Minimax MCPツール

AI を活用した画像生成とテキスト読み上げ機能のための Minimax API 統合を備えたモデルコンテキストプロトコル (MCP) サーバー実装。

特徴

画像生成: Minimaxのimage-01モデルを使用して、テキストプロンプトに基づいて高品質の画像を生成します。
テキスト読み上げ（TTS） ：さまざまな音声オプション、感情、オーディオ形式を使用して、テキストを自然な音声に変換します。
簡単な統合: Windsurf エディターを MCP サーバーとしてシームレスに統合します。

Related MCP server: Vibe Coder MCP

設定

前提条件

Node.js 16以上
Minimax APIキー（ Minimax Platformから取得）
TTS 機能の Minimax グループ ID

構成

MCP 構成ファイルを作成または更新します。

Windsurf の場合: ~/.codeium/windsurf/mcp_config.json
カーソルの場合: ~/.cursor/config/mcp_config.json

どちらのエディターも同じ設定形式を使用します。

{ "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インターフェース

画像生成

テキストプロンプトに基づいて画像を生成します。

// 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 }

パラメータ:

prompt （必須）: 生成する画像の説明
outputFile （必須）: 生成された画像ファイルを保存する絶対パス。ディレクトリは既に存在している必要があります。複数の画像（n>1）を生成する場合、ファイル名は連番で付けられます（例：'image-1.jpg'、'image-2.jpg'）。
aspectRatio (オプション): 画像のアスペクト比 (デフォルト: "1:1"、オプション: "1:1"、"16:9"、"4:3"、"3:2"、"2:3"、"3:4"、"9:16"、"21:9")
n (オプション): 生成する画像の数（デフォルト: 1、範囲: 1～9）。n>1の場合、出力ファイル名は自動的に番号付けされます。
subjectReference （オプション）: キャラクター参照用のローカル画像ファイルまたは公開URLへのパス。指定すると、生成される画像はこれをキャラクターの外観の参照として使用します。サポートされる形式：JPG、JPEG、PNG

テキスト読み上げ

さまざまなカスタマイズオプションを使用してテキストを音声に変換します。

// 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 }

基本パラメータ:

text （必須）: 音声に変換するテキスト（最大10,000文字）
outputFile (必須): 生成されたオーディオファイルを保存する絶対パス
model (オプション): 使用するモデルバージョン (デフォルト: "speech-02-hd"、オプション: "speech-02-hd"、"speech-02-turbo")
- speech-02-hd : 優れた音色の類似性、リズムの安定性、スタジオグレードのオーディオ品質を備えた高解像度モデル
- speech-02-turbo : 優れたパフォーマンスと低レイテンシ、強化された多言語機能を備えた高速モデル
voiceId (オプション): 使用する音声ID (デフォルト: "male-qn-qingse")
speed （オプション）：音声速度（デフォルト：1.0、範囲：0.5～2.0）
volume （オプション）：音声の音量（デフォルト：1.0、範囲：0.1～10.0）
pitch （オプション）：音声ピッチ（デフォルト：0、範囲：-12～12）
emotion （オプション）：スピーチの感情（デフォルト：「中立」、オプション：「幸せ」、「悲しい」、「怒り」、「恐ろしい」、「嫌悪感」、「驚き」、「中立」）
timberWeights （オプション）：音声ミキシング設定。重み付けされた最大4つの異なる音声をミキシングできます。
"timberWeights": [ { "voice_id": "male-qn-qingse", "weight": 70 }, { "voice_id": "female-shaonv", "weight": 30 } ]

オーディオ設定:

format （オプション）：オーディオフォーマット（デフォルト：「mp3」、オプション：「mp3」、「pcm」、「flac」、「wav」）
sampleRate (オプション): Hz 単位のサンプルレート (デフォルト: 32000、オプション: 8000、16000、22050、24000、32000、44100)
bitrate （オプション）：MP3形式のビットレート（デフォルト：128000、オプション：32000、64000、128000、256000）
channel （オプション）：オーディオチャンネルの数（デフォルト：1、オプション：1=モノラル、2=ステレオ）

高度な機能:

latexRead (オプション): LaTeX の数式を読み込むかどうか (デフォルト: false)
pronunciationDict （オプション）: 発音置換のリスト
"pronunciationDict": ["处理/(chu3)(li3)", "危险/dangerous"]
stream （オプション）：ストリーミングモードを使用するかどうか（デフォルト：false）
languageBoost （オプション）：特定の言語の認識を強化する
- オプション: 「中国語」、「中国語（ユーエ語）」、「英語」、「アラビア語」、「ロシア語」、「スペイン語」、「フランス語」、「ポルトガル語」、「ドイツ語」、「トルコ語」、「オランダ語」、「ウクライナ語」、「ベトナム語」、「インドネシア語」、「日本語」、「イタリア語」、「韓国語」、「タイ語」、「ポーランド語」、「ルーマニア語」、「ギリシャ語」、「チェコ語」、「フィンランド語」、「ヒンディー語」、「自動」
subtitleEnable (オプション): 字幕生成を有効にするかどうか (デフォルト: false)