MiniMax-AI/cli

解決する課題

このプロジェクトは、MiniMax AIプラットフォーム用のコマンドラインインターフェース（CLI）を提供します。ユーザーやAIエージェントは、ターミナルから直接、あるいはエージェントのワークフローに統合して、テキスト、画像、動画、音声、視覚といった幅広い生成AI機能を利用できます。

仕組み

このCLIは、ユーザーのターミナルとMiniMax APIの架け橋として機能します。OAuthまたはAPIキーによるデュアルリージョン認証（GlobalおよびCN）をサポートしています。認証後、ユーザーは特定のコマンドを実行して、さまざまなAIモダリティをトリガーできます。

• Text: マルチターンチャット、ストリーミング、JSON出力を処理します。
• Image: テキストプロンプトから画像を生成し、アスペクト比やバッチ処理を制御できます。
• Video: 非同期の動画生成（MiniMax-H3モデルを含む）を管理し、進捗追跡やダウンロード機能を提供します。
• Vision: 画像の理解と説明を行います。
• Speech: 多様な音声によるテキスト読み上げ（TTS）合成と、JSON、SRT、VTTなどの形式への音声文字起こし（ASR）を提供します。
• Search: MiniMaxを活用したウェブ検索を実行します。

対象ユーザー

• 開発者: MiniMax AIの機能をスクリプト、CI/CDパイプライン、またはターミナルベースのワークフローに統合したい方。
• AIエージェント作成者: Claude CodeやCursorなどを使用してエージェントを構築し、エージェントにAIスキルを追加する標準的な方法を必要としている開発者。
• パワーユーザー: メディアやテキストの生成において、ウェブインターフェースよりもターミナルを好む方。

主な特徴

• マルチモーダル機能: テキスト、画像、動画、音声、視覚のための単一ツール。
• エージェント統合: Claude CodeやCodexなどの人気AIエージェント向けにMiniMaxを設定するための専用コマンド mmx agent setup。
• デュアルリージョンサポート: GlobalプラットフォームとCNプラットフォーム間のシームレスな切り替え。
• 柔軟な認証: OAuth (RFC 8628) と APIキーの両方をサポート。
• 包括的な音声ツール: 複数の出力形式に対応した合成および文字起こし機能。