通过 mmx 终端 CLI 调用 MiniMax AI 平台:一条命令完成文本对话、图像/视频/语音/音乐生成、联网搜索与图像理解(VLM)。所有生成在 MiniMax 服务端完成,本地只下发参数、取回文件或 JSON。专为非交互(agent/CI)场景设计:固定旗标即可拿到纯数据 stdout 与可判定的退出码。
何时使用
适用:
- 在终端批量/可编排地生成媒体:文生图、文/图生视频(海螺 Hailuo)、文字转语音、生成音乐/BGM、联网搜索、对图提问(vision)。
- 用户说「用 mmx…」「MiniMax 生成一段视频」「海螺文生视频」「文字转语音」「生成一段背景音乐」「MiniMax 联网搜一下」。
- 想把媒体生成串进脚本/流水线,要求机读 JSON 输出与明确退出码。
不该用(负边界):
- 未安装
mmx或未鉴权(无 API key / OAuth):任何 API 命令都会失败(退出码 3),先安装并登录,key 由用户提供,你不要读写。 - 需要精细本地剪辑(转场、变速、裁切调色、多轨混音、时间轴拼接):mmx 只「生成」,这类编辑回退 ffmpeg 或
videodb-perception-editing。 - 想走 fal.ai / ElevenLabs / Veo 等其他供应商:用
fal-ai-media-generation或对应直连 API,本技能仅覆盖 MiniMax。
步骤
- 安装并鉴权:
npm i -g mmx-cli→mmx auth login --api-key sk-xxxxx(OAuth 落~/.mmx/credentials.json,API key 落~/.mmx/config.json)。用mmx auth status确认生效。 - 选子命令:text chat / image generate / video generate / speech synthesize / music generate / search query / vision describe。
- agent 场景一律加 agent 旗标(见「指令」),拿纯数据与可判定退出码。
- 视频等异步任务:
--async立即拿 taskId,再轮询video task get、最后video download;或直接--download阻塞等完。 - 取回文件/URL/JSON,按退出码判定成败(见下表),失败别死等。
指令
agent/CI 旗标(非交互场景必带):
| 旗标 | 作用 |
|---|---|
--non-interactive |
缺参直接失败,不弹交互提示 |
--quiet |
关进度条,stdout 为纯数据 |
--output json |
机读 JSON 输出 |
--async |
立即返回 taskId(视频生成) |
--dry-run |
只预览 API 请求不执行 |
--yes |
跳过确认提示 |
区域自动探测,可用 --region global / --region cn 覆盖。
退出码:0 成功 / 1 一般错误 / 2 用法错误 / 3 鉴权失败 / 4 配额超限 / 5 超时 / 10 触发内容过滤。
子命令与默认模型:
text chat --message <text>(默认MiniMax-M2.7,多轮加--system,可--messages-file -从文件/管道读)image generate --prompt <text>(image-01,--n多图,--out-dir落盘目录)video generate --prompt <text>(默认MiniMax-Hailuo-2.3,异步,默认轮询到完成)speech synthesize --text <text>(默认speech-2.8-hd,上限 1 万字,--out落盘,--text-file -读管道)music generate --prompt <text>(music-2.6-free,--instrumental纯器乐,--lyrics <text>指定歌词,--lyrics-optimizer自动写词)search query --q <text>(MiniMax 联网搜索)vision describe --image <file> --prompt <text>(VLM 图像理解)
示例
文本对话(机读):
mmx text chat --message "user:What is MiniMax?" --output json --quiet
文生图(多图落盘):
mmx image generate --prompt "A cat in a spacesuit" --n 3 --out-dir ./gen/ --quiet
文生视频——非阻塞拿 taskId / 阻塞下载:
mmx video generate --prompt "A robot." --async --quiet
mmx video generate --prompt "Ocean waves." --download ocean.mp4 --quiet
文字转语音 / 生成音乐:
mmx speech synthesize --text "Hello world" --out hello.mp3 --quiet
mmx music generate --prompt "Cinematic orchestral, building tension" --instrumental --out bgm.mp3 --quiet
管道编排——生成图再描述 / 异步视频全流程:
URL=$(mmx image generate --prompt "A sunset" --quiet)
mmx vision describe --image "$URL" --quiet
TASK=$(mmx video generate --prompt "A robot" --async --quiet | jq -r '.taskId')
mmx video task get --task-id "$TASK" --output json
mmx video download --task-id "$TASK" --out robot.mp4
注意事项
- 未鉴权一切免谈:先
mmx auth login并auth status确认;key 由用户提供,你不要读写凭证文件。 - agent 场景固定带
--non-interactive --quiet --output json,否则会被交互提示卡住或拿到带进度条的脏输出。 - 媒体任务可能异步、配额受限或区域受限:视频用
--async+ 轮询,按退出码(3 鉴权 / 4 配额 / 5 超时 / 10 内容过滤)显式处理,别死等。 - 语音上限 1 万字;超长先切分。
- 本技能只讲 CLI 用法,不替代供应商政策审查、内容安全检查与产物文件校验。
互见
- related:
fal-ai-media-generation—— 另一套多模态生成(fal.ai,含 Veo/Kling/Seedance 等),换供应商时对照选型。 - related:
videodb-perception-editing—— 承接 mmx 生成后的视频感知索引与服务端时间轴剪辑。 - related:
demo-video-generator—— 从零渲染演示视频,与纯 AI 生成互补。 - combines_with:
videodb-perception-editing—— mmx 出素材 + VideoDB 编排时间轴,串成完整媒体流水线。
采编自 sickn33/antigravity-awesome-skills(MIT)。