8917 Minimax Toolkit

MiniMax 多模态工具集。用于图片生成、图生图、视频生成、视频模板、语音合成、长文本 TTS、声音克隆、声音设计与音乐生成。适用于需要调用 MiniMax 官方 API 处理文本、图片、音频或视频素材的场景。默认将产物输出到当前工作区的 `workspace/03-Resources/minimax-output/`；若当前目录不含 `workspace/`，则退回 `./outputs/minimax/`。支持 `--project` 做项目隔离，也支持 `--output-dir` 显式覆盖输出根目录。默认读取 MiniMax Token Plan API Key（环境变量 `MINIMAX_API_KEY` 或 `~/.openclaw/openclaw.json`）。

定位

这是一个 工具型 / Tool Wrapper skill。

用它在 MiniMax 官方 API 上执行多模态生成任务，并把产物稳定落到当前工作区或用户指定目录。

核心原则

1. 执行前先提示消耗：先输出 Token Plan 请求消耗预估，再执行。
2. 执行前先讲清隐私边界：涉及图片、音频、视频等素材上传时，明确告知会发送到 MiniMax API。
3. 优先遵守输出纪律：优先写入当前工作区；没有 workspace/ 时再退回通用输出目录。
4. 项目隔离优先：需要长期管理时优先使用 --project。
5. 禁止硬编码 API Key：仅从 MINIMAX_API_KEY 或 ~/.openclaw/openclaw.json 读取。

输出纪律

输出根目录优先级：

1. --output-dir
2. MINIMAX_OUTPUT_DIR
3. 当前工作目录下的 workspace/03-Resources/minimax-output/
4. 当前目录不存在 workspace/ 时，退回 ./outputs/minimax/

使用 --project <ProjectName> 时，产物进入项目子目录。

执行完成后，始终明确告诉用户：

• 文件类型
• 保存路径
• 如需长期管理，建议整理到项目目录

预算与隐私

执行前至少说明：

• 模型名称
• 预计消耗的 request 次数
• 5 小时滚动窗口规则
• 高消耗任务风险提示（尤其视频）

涉及私密图片、音频或视频时，先确认用户接受第三方 API 处理。

详细说明见：

• references/budget-and-trust.md
• references/api_info.md
• references/costs.json

能力导航

按具体场景读取：

• references/modalities.md：查看 9 类能力、对应脚本和 CLI 示例
• references/budget-and-trust.md：查看预算、上传与隐私边界
• references/api_info.md：查看当前模型 ID 与基础约束
• references/quota_mapping.json：查看运行时模型名与官方额度桶的映射
• references/official-doc-sources.md：查看需要定期核验的官方来源
• references/troubleshooting.md：查看联网失败、网页抓取失败、remains 查询失败时的排障指引

官方文档校验机制

可运行：

python3 scripts/mm.py remains
python3 scripts/mm.py check-docs

其中：

• mm.py remains：查询官方 Token Plan 实时额度
• mm.py check-docs：抓取官方 FAQ + 查询 remains + 对比本地 references

校验脚本会：

1. 抓取官方 Token Plan FAQ
2. 查询官方 coding_plan/remains 接口
3. 对比本地 references/ 中的关键配置
4. 生成差异报告到 references/checks/latest-check.md

如果在线校验失败：

• 不阻塞整个 skill
• 退回本地 references 离线模式
• 输出排障指引
• 详见 references/troubleshooting.md

推荐使用统一入口

优先使用统一入口 scripts/mm.py：

# Image / Video / Music
python3 scripts/mm.py image "A red apple" --ratio 16:9 --project Demo
python3 scripts/mm.py video "Cinematic ruins" --project Demo
python3 scripts/mm.py music "Lo-fi beat" --instrumental --project Demo

# Speech (short text)
python3 scripts/mm.py speech "Hello world" --voice male-qn-qingse --project Demo

# Speech (long text / file)
python3 scripts/mm.py async-speech ~/script.txt --voice male-qn-qingse --project Demo

# Image-to-image
python3 scripts/mm.py i2i "anime style" --ref ~/photo.jpg --project Demo

# Video templates
python3 scripts/mm.py video-template labubu --media ~/photo.jpg --project Demo

# Voice clone / design
python3 scripts/mm.py voice-clone ~/my_voice.wav --voice-id my-voice
python3 scripts/mm.py voice-design "Warm deep male voice" --voice-id new-voice

支持的 modality：image, i2i, video, video-template, speech, async-speech, voice-clone, voice-design, music

当前支持显式功能开关：references/feature_flags.json

• 可按 modality 设定 true / false
• 当前套餐不支持的能力建议直接设为 false，避免无意义调用

注意：

• voice-design 当前要求 --preview-text
• voice-clone 建议提供 --preview-text，如提供 --prompt-audio 则需同时提供 --prompt-text
• 复刻音色若 7 天内未正式调用，官方会删除该音色

详细示例见 references/modalities.md。

兼容入口（旧脚本仍可用）

如需直接调用或处理更复杂场景，以下脚本仍可用：

• scripts/mm_image.py
• scripts/mm_i2i.py
• scripts/mm_video.py
• scripts/mm_video_template.py
• scripts/mm_speech.py
• scripts/mm_async_speech.py
• scripts/mm_voice_clone.py
• scripts/mm_voice_design.py
• scripts/mm_music.py

旧脚本作为兼容层保留，未来逐步收敛到统一入口。

一句话原则

MiniMax 产物默认落当前工作区或通用输出目录，执行前讲清 request 消耗与第三方 API 处理边界。