Minimax MCP 工具

这是一个集成了 Minimax API 的模型上下文协议 (MCP) 服务器实现，用于基于 AI 的图像生成和文本转语音功能。

特性

• 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)：将文本转换为自然声音的语音，支持多种声音选项、情感和音频格式
• 轻松集成：作为 MCP 服务器无缝集成到 Windsurf 编辑器中

设置

前提条件

• Node.js 16 或更高版本
• 一个 Minimax API 密钥（从 Minimax 平台 获取）
• 用于 TTS 功能的 Minimax 组 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：

// Example parameters for image generation
{
  "prompt": "A mountain landscape at sunset",
  "aspectRatio": "16:9",
  "n": 1,
  "outputFile": "/absolute/path/to/image.jpg",
  "subjectReference": "/path/to/reference.jpg" // Optional: local file or URL
}

参数：

• prompt（必需）：要生成的图像的描述
• outputFile（必需）：保存生成图像文件的绝对路径。目录必须已经存在。当生成多个图像（n>1）时，文件名将以顺序编号（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）：本地图像文件的路径或用于角色参考的公共 URL。提供时，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

使用各种自定义选项将文本转换为语音：

// Example parameters for text-to-speech
{
  "text": "Hello, this is a test of the text-to-speech functionality.",
  "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): 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性、节奏稳定性和录音室级音质
  • speech-02-turbo: 快速模型，性能优秀且延迟低，增强了多语言能力
• voiceId (可选): 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): 音调（默认: 0, 范围: -12 到 12）
• emotion (可选): 语音的情绪（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（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): 音频声道数（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): 是否使用流模式（默认: false）
• languageBoost (可选): 加强特定语言的识别
  • 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 提供了AI模型
• Model Context Protocol 提供了MCP规范