Minimax MCP Tools

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。

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。

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。

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。

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)

ライセンス

マサチューセッツ工科大学

貢献

貢献を歓迎します！お気軽にプルリクエストを送信してください。

謝辞

• AIモデルを提供するためのMinimax API
• MCP仕様のモデルコンテキストプロトコル