MiniMax Multimodal

🚀 导出

本部分主要介绍项目导出相关内容，包含工具介绍、开发指南以及许可证信息。

✨ 主要特性

项目导出

涵盖多种实用工具，可实现文本转语音、文本转图片、视频生成以及语音克隆等功能。

工具介绍

• 文本转语音：将文本内容转换为语音。
• 文本转图片：依据文本描述生成对应的图片。
• 视频生成：根据文本描述创建视频。
• 语音克隆：克隆指定语音。

开发指南

包含项目设置、构建和运行的详细步骤。

许可证

明确项目遵循的许可协议。

📦 安装指南

项目设置

npm install mini-max-mcp-js

项目构建

npm run build

项目运行

node index.js

💻 使用示例

文本转语音

• 工具名称：text_to_speech
• 参数说明：
  • model：模型版本，默认为 'speech-02-hd'
  • voiceId：音调ID，默认为 'male-qn-qingse'
  • speed：语速，范围 0.5 - 2.0，默认为 1.0
  • vol：音量，范围 0.1 - 10.0，默认为 1.0
  • pitch：音调，范围 -12 到 12，默认为 0
  • emotion：情感，可选值有 'happy', 'sad', 'angry', 'fearful', 'disgusted', 'surprised', 'neutral'，默认为 'happy'
  • format：音频格式，可选值有 'mp3', 'pcm', 'flac', 'wav'，默认为 'mp3'
  • sampleRate：采样率（Hz），可选值有 8000, 16000, 22050, 24000, 32000, 44100，默认为 32000
  • bitrate：比特率（bps），可选值有 64000, 96000, 128000, 160000, 192000, 224000, 256000, 320000，默认为 128000
  • channel：音频声道，可选值有 1 或 2，默认为 1
  • languageBoost：语言增强，默认为 'auto'
  • latexRead：是否开启公式阅读功能
  • pronunciationDict：发音词典
  • stream：是否开启流式输出
  • subtitleEnable：是否开启字幕生成
  • outputDirectory：保存输出文件的目录（可选）
  • outputFile：保存输出文件的路径（可选，未提供时自动生成）

文本转图片

• 工具名称：text_to_image
• 参数说明：
  • prompt：图像描述（必填）
  • model：模型版本，默认为 'image-01'
  • aspectRatio：宽高比，默认为 '1:1'，可选值有 '1:1', '16:9', '4:3', '3:2', '5:4'
  • width：图像宽度（可选）
  • height：图像高度（可选）
  • quality：图像质量，默认为 75
  • outputFormat：输出格式，可选值有 'png', 'jpeg', 'webp'，默认为 'png'
  • sampler：采样器类型，默认为 'karras'
  • steps：生成步骤数，默认为 20
  • temperature：创作温度，默认为 0.7
  • top_p：多样性参数，默认为 1.0

视频生成

• 工具名称：text_to_video
• 参数说明：
  • prompt：视频描述（必填）
  • model：模型版本，默认为 'video-01'
  • width：视频宽度，默认为 1920
  • height：视频高度，默认为 1080
  • duration：视频时长（秒），默认为 10
  • fps：帧率，默认为 30
  • outputFormat：输出格式，可选值有 'mp4', 'mov'，默认为 'mp4'
  • sampler：采样器类型，默认为 'karras'
  • steps：生成步骤数，默认为 20
  • temperature：创作温度，默认为 0.7
  • top_p：多样性参数，默认为 1.0

语音克隆

• 工具名称：voice_cloning
• 参数说明：
  • source_voice_path：源语音文件路径（必填）
  • target_text：目标文本（必填）
  • output_format：输出格式，可选值有 'wav', 'mp3'，默认为 'wav'
  • sampling_rate：采样率，默认为 16000
  • quality：音频质量，默认为 'high'
  • bitrate：比特率（bps），可选值有 96000, 128000, 192000，默认为 128000

📄 许可证

本项目遵循 MIT License 许可证。