Minimax MCP 工具

一个模型上下文协议 (MCP) 服务器实现，集成了 Minimax API，用于 AI 驱动的图像生成和文本转语音功能。

功能

• 图像生成: 使用 Minimax 的 image-01 模型，根据文本提示生成高质量图像
• 文本转语音 (TTS): 将文本转换为自然流畅的语音，支持多种声音选项、情感和音频格式
• 易于集成: 作为 MCP 服务器与 Windsurf 编辑器无缝集成

设置

前提条件

• Node.js 16 或更高版本
• 一个 Minimax API 密钥 (从 Minimax Platform 获取)
• 用于 TTS 功能的 Minimax Group ID

配置

创建或更新您的 MCP 配置文件：

• 对于 Windsurf: ~/.codeium/windsurf/mcp_config.json
• 对于 Cursor: ~/.cursor/config/mcp_config.json

两个编辑器使用相同的配置格式：

{
  "mcpServers": {
    "minimax-mcp-tools": {
      "command": "npx",
      "args": [
        "minimax-mcp-tools"
      ],
      "env": {
        "MINIMAX_API_KEY": "your-minimax-api-key",
        "MINIMAX_GROUP_ID": "your-minimax-group-id"
      }
    }
  }
}

MCP 接口

图像生成

根据文本提示生成图像：

// 图像生成的示例参数
{
  "prompt": "日落时分的山景",
  "aspectRatio": "16:9",
  "n": 1,
  "outputFile": "/absolute/path/to/image.jpg",
  "subjectReference": "/path/to/reference.jpg" // 可选：本地文件或 URL
}

参数：

• prompt (必需): 要生成的图像的描述
• outputFile (必需): 保存生成的图像文件的绝对路径。目录必须已存在。当生成多个图像 (n>1) 时，文件将以顺序编号命名（例如，“image-1.jpg”、“image-2.jpg”）。
• aspectRatio (可选): 图像的宽高比 (默认: "1:1", 选项: "1:1", "16:9", "4:3", "3:2", "2:3", "3:4", "9:16", "21:9")
• n (可选): 要生成的图像数量 (默认: 1, 范围: 1-9)。当 n>1 时，输出文件名将自动编号。
• subjectReference (可选): 本地图像文件或公共 URL 的路径，用于角色参考。如果提供，生成的图像将以此作为角色外观的参考。支持的格式：JPG、JPEG、PNG

文本转语音

将文本转换为语音，支持各种自定义选项：

// 文本转语音的示例参数
{
  "text": "你好，这是文本转语音功能的测试。",
  "model": "speech-02-hd",
  "voiceId": "female-shaonv",
  "speed": 1.0,
  "volume": 1.0,
  "pitch": 0,
  "emotion": "happy",
  "format": "mp3",
  "outputFile": "/absolute/path/to/audio.mp3",
  "subtitleEnable": true
}

基本参数：

• text (必需): 要转换为语音的文本（最多 10,000 个字符）
• outputFile (必需): 保存生成的音频文件的绝对路径
• model (可选): 要使用的模型版本 (默认: "speech-02-hd", 选项: "speech-02-hd", "speech-02-turbo")
  • speech-02-hd: 高清模型，具有出色的音色相似度、节奏稳定性和录音棚级音频质量
  • speech-02-turbo: 快速模型，具有出色的性能和低延迟，增强了多语言功能
• voiceId (可选): 要使用的声音 ID (默认: "male-qn-qingse")
• speed (可选): 语速 (默认: 1.0, 范围: 0.5-2.0)
• volume (可选): 音量 (默认: 1.0, 范围: 0.1-10.0)
• pitch (可选): 音高 (默认: 0, 范围: -12 到 12)
• emotion (可选): 语音的情感 (默认: "neutral", 选项: "happy", "sad", "angry", "fearful", "disgusted", "surprised", "neutral")
• timberWeights (可选): 声音混合设置，允许混合最多 4 种不同的声音及其权重

  "timberWeights": [
    { "voice_id": "male-qn-qingse", "weight": 70 },
    { "voice_id": "female-shaonv", "weight": 30 }
  ]
  

音频设置：

• format (可选): 音频格式 (默认: "mp3", 选项: "mp3", "pcm", "flac", "wav")
• sampleRate (可选): 采样率，单位为 Hz (默认: 32000, 选项: 8000, 16000, 22050, 24000, 32000, 44100)
• bitrate (可选): MP3 格式的比特率 (默认: 128000, 选项: 32000, 64000, 128000, 256000)
• channel (可选): 音频通道数 (默认: 1, 选项: 1=单声道, 2=立体声)

高级功能：

• latexRead (可选): 是否读取 LaTeX 公式 (默认: false)
• pronunciationDict (可选): 发音替换列表

  "pronunciationDict": ["处理/(chu3)(li3)", "危险/dangerous"]
  

• stream (可选): 是否使用流式模式 (默认: false)
• languageBoost (可选): 增强对特定语言的识别
  • 选项: "Chinese", "Chinese,Yue", "English", "Arabic", "Russian", "Spanish", "French", "Portuguese", "German", "Turkish", "Dutch", "Ukrainian", "Vietnamese", "Indonesian", "Japanese", "Italian", "Korean", "Thai", "Polish", "Romanian", "Greek", "Czech", "Finnish", "Hindi", "auto"
• subtitleEnable (可选): 是否启用字幕生成 (默认: false)

许可证

MIT

贡献

欢迎贡献！请随时提交 Pull Request。

致谢

• Minimax API 提供 AI 模型
• Model Context Protocol 提供 MCP 规范