Herramientas Minimax MCP

Una implementación de servidor de Protocolo de contexto de modelo (MCP) con integración de API Minimax para generación de imágenes impulsada por IA y funcionalidad de texto a voz.

Características

• Generación de imágenes : genere imágenes de alta calidad basadas en indicaciones de texto utilizando el modelo image-01 de Minimax

• Texto a voz (TTS) : convierte texto en voz con sonido natural con diversas opciones de voz, emociones y formatos de audio.

• Fácil integración : se integra perfectamente con el editor Windsurf como servidor MCP

Related MCP server: Vibe Coder MCP

Configuración

Prerrequisitos

• Node.js 16 o superior

• Una clave API de Minimax (obtenida en la Plataforma Minimax )

• ID de grupo Minimax para la funcionalidad TTS

Configuración

Cree o actualice su archivo de configuración MCP:

• Para Windsurf: ~/.codeium/windsurf/mcp_config.json

• Para el cursor: ~/.cursor/config/mcp_config.json

Ambos editores utilizan el mismo formato de configuración:

Interfaz MCP

Generación de imágenes

Generar imágenes basadas en indicaciones de texto:

Parámetros:

• prompt (obligatorio): Descripción de la imagen a generar

• outputFile (obligatorio): Ruta absoluta donde guardar el archivo de imagen generado. El directorio debe existir previamente . Al generar varias imágenes (n>1), los archivos se nombrarán con números secuenciales (p. ej., 'imagen-1.jpg', 'imagen-2.jpg').

• aspectRatio (opcional): Relación de aspecto de la imagen (predeterminado: "1:1", opciones: "1:1", "16:9", "4:3", "3:2", "2:3", "3:4", "9:16", "21:9")

• n (opcional): Número de imágenes a generar (predeterminado: 1, rango: 1-9). Si n > 1, los nombres de los archivos de salida se numeran automáticamente.

• subjectReference (opcional): Ruta a un archivo de imagen local o URL pública para referencia de personajes. Si se proporciona, la imagen generada la usará como referencia para la apariencia de los personajes. Formatos compatibles: JPG, JPEG, PNG

Texto a voz

Convierte texto a voz con varias opciones de personalización:

Parámetros básicos:

• text (obligatorio): Texto a convertir a voz (máximo 10.000 caracteres)

• outputFile (obligatorio): ruta absoluta para guardar el archivo de audio generado

• model (opcional): Versión del modelo a utilizar (predeterminado: "speech-02-hd", opciones: "speech-02-hd", "speech-02-turbo")

  • speech-02-hd : Modelo de alta definición con excelente similitud de timbre, estabilidad de ritmo y calidad de audio de estudio.

  • speech-02-turbo : Modelo rápido con excelente rendimiento y baja latencia, capacidades multilingües mejoradas

• voiceId (opcional): ID de voz a utilizar (predeterminado: "male-qn-qingse")

• speed (opcional): Velocidad del habla (predeterminado: 1.0, rango: 0.5-2.0)

• volume (opcional): Volumen de voz (predeterminado: 1.0, rango: 0.1-10.0)

• pitch (opcional): tono del habla (predeterminado: 0, rango: -12 a 12)

• emotion (opcional): Emoción del discurso (predeterminado: "neutral", opciones: "feliz", "triste", "enojado", "temeroso", "disgustado", "sorprendido", "neutral")

• timberWeights (opcional): configuración de mezcla de voces, permite mezclar hasta 4 voces diferentes con pesos

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

Configuración de audio:

• format (opcional): Formato de audio (predeterminado: "mp3", opciones: "mp3", "pcm", "flac", "wav")

• sampleRate (opcional): frecuencia de muestreo en Hz (predeterminado: 32000, opciones: 8000, 16000, 22050, 24000, 32000, 44100)

• bitrate (opcional): tasa de bits para el formato MP3 (predeterminado: 128000, opciones: 32000, 64000, 128000, 256000)

• channel (opcional): Número de canales de audio (predeterminado: 1, opciones: 1=mono, 2=estéreo)

Funciones avanzadas:

• latexRead (opcional): si se deben leer fórmulas LaTeX (predeterminado: falso)

• pronunciationDict (opcional): Lista de reemplazos de pronunciación

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

• stream (opcional): si se utilizará el modo de transmisión (predeterminado: falso)

• languageBoost (opcional): mejora el reconocimiento de idiomas específicos

  • Opciones: "Chino", "Chino, Yue", "Inglés", "Árabe", "Ruso", "Español", "Francés", "Portugués", "Alemán", "Turco", "Holandés", "Ucraniano", "Vietnamita", "Indonesio", "Japonés", "Italiano", "Coreano", "Tailandés", "Polaco", "Rumano", "Griego", "Checo", "Finlandés", "Hindi", "Automático"

• subtitleEnable (opcional): si se debe habilitar la generación de subtítulos (predeterminado: falso)

Licencia

Instituto Tecnológico de Massachusetts (MIT)

Contribuyendo

¡Agradecemos sus contribuciones! No dude en enviar una solicitud de incorporación de cambios.

Expresiones de gratitud

• API de Minimax para proporcionar los modelos de IA

• Protocolo de contexto de modelo para la especificación MCP