是什么
「MiniMax 媒体生成套件」把 MiniMax 开放平台的五条媒体产品线收进一个包：生图（image-01 / image-01-live，同步直返、主体参考保一致）、生视频（MiniMax-H3 / Highspeed / Lite / Max 四档，480P–2K，多模态参考图/视频/音频、首尾帧、对口型）、语音合成（speech-2.8-hd/turbo，19 个语气词标签、停顿与注音、≤4 音色混音、5 万字长文本异步）、声音克隆与音色设计（录音复刻 + 文字描述造声）与语音识别（asr-1.0，说话人分离、句/词级时间戳、直出 srt/vtt 字幕）。
每个成员一个 stdlib-only Python 脚本直连 api.minimax.cn（纯 Bearer 认证，密钥经 MINIMAX_API_KEY 环境变量注入）：--dry-run 先审请求、JSON 摘要对账、限时产物自动下载落盘；异步任务（视频 10s 轮询、长文本 ≥1s 轮询）按官方节奏收口，错误码对照表与提示词写法（生图叠层公式、视频五段序、TTS 表演脚本三件套）随包附送。
与转售通道不同，本包直连你的 MiniMax 账户——额度、计费与限流都在 platform.minimax.cn 一目了然；适合已持有 MiniMax Key 或要全家族媒体能力（图+视频+语音+克隆+识别）的工作流。
包含成员
MiniMax 生图
同步 POST /v1/image_generation：提示词 ≤1500 字符、主体参考图锁定人物/商品一致性、八档画幅或 512–2048 自由画布（8 的倍数）、单次 ≤9 张；URL 24h 有效，脚本即下即存 name_1.jpg…。
MiniMax 生视频
异步 POST /v2/video_generation：H3/Highspeed/Lite/Max 四档、480P–2K、4–15 秒、21:9–9:16 七画幅；多模态参考（图/视频/音频，对口型）与首尾帧互斥成组；官方 10s 轮询，支持状态查询与取消。
MiniMax 语音合成
同步 /v1/t2a_v2（≤1 万字符）与异步 /v1/t2a_async_v2（≤5 万）：19 个语气词标签、<#x#> 秒级停顿、拼音注音、≤4 音色混音与发音字典；响应音频为 hex 编码，脚本已解码落盘。
声音克隆与音色设计
两步复刻（上传 10s–5min 干声 → 克隆出自定义 voice_id）与文生音色（文字描述凭空造声）；产出交 minimax-tts 合成；须先实名，临时音色 7 天不用即删、首次合成 ¥9.90。
MiniMax 语音识别
POST /v1/speech_to_text：wav/flac/m4a/mp3 等 8 格式、≤500 秒 ≤50MB、18 语种 + 混合识别；verbose_json 出说话人分离（S1/S2）与句/词级时间戳，srt/vtt 直出可挂播放器的字幕。
什么时候会用到
- 「用 MiniMax 画一组国风水墨插画，出四张让我挑」
- 「海螺视频给我生成一条 2K 太空歌剧预告，5 秒 16:9」
- 「这张人物立绘动起来，再配上这段配音，口型对上」
- 「把这段文案转成语音，开心一点，带点笑声」
- 「用我录的这段干声克隆一个专属音色，以后配音都用它」
- 「会议录音转成逐字稿，分清谁说了什么，再出一份字幕」
不适用于
- 音乐/歌曲生成——MiniMax 音乐接口已对新用户关闭（用「千问」或「混元」技能包）
- 没有 MiniMax 账户或不想直连开放平台时的媒体生成（用「Motu 媒体创作套件」经 motu 平台中转）
- 纯本地视频剪辑与解说拼接，不经任何生成模型（用「视频解说成片工坊」）
安装与使用
- 1在 https://platform.minimax.cn 注册并充值，创建 API Key（声音克隆需先完成实名认证）
- 2打开 UUIDE「设置 → 技能」安装本包，在环境变量注入 MINIMAX_API_KEY（可选 MINIMAX_API_HOST 覆盖默认域名）
- 3在 AI 会话中直接说要什么（生图/生视频/配音/克隆/转写），成员自动路由执行并交付本地文件
常见问题
- 需要什么条件才能用？
- 本包免费；生成消耗你自己的 MiniMax 账户额度——在 platform.minimax.cn 注册并充值，创建 API Key 后通过环境变量 MINIMAX_API_KEY 注入（纯 Bearer 认证，无需 GroupId）。语音识别仅对充值用户开放；声音克隆需要先完成实名认证。
- 生成的视频和音频链接能一直用吗？
- 不能。视频产物 URL 限时有效（需及时下载转存，过期可重新查询获取）；异步语音合成的下载链接 9 小时有效；生图 URL 24 小时有效。本包脚本都会即时下载到本地再交付文件路径，不依赖限时 URL。
- 怎么计费？
- 按量计费：生图 ¥0.025/张；视频按输入输出每秒计价（Lite 480P ¥0.16/秒到 H3 2K ¥0.80/秒，图片输入每任务前 5 张免费）；语音合成 hd ¥3.50 / turbo ¥2.00 每万字符（1 汉字 = 2 字符）；克隆/设计音色首次合成各收 ¥9.90；语音识别 ¥2.50/小时。
- 和 Motu 套件里的 H3 工作流怎么配合？
- 互补：Motu 媒体创作套件的 motu-minimax-h3 成员经 motu 平台中转生成（MOTU_KEY），本包直连 MiniMax 开放平台（MINIMAX_API_KEY）且覆盖图/音/克隆/识别全家族。要 H3 创意工作流（分镜、镜头表、提示词规范）可装 Motu 套件与 mm-video-h3，生成执行用本包直连更省中间环节。
- 能生成音乐吗？
- 不能。MiniMax 音乐生成接口已对新用户关闭；需要 AI 音乐/歌曲生成请用「千问」或「混元」技能包。