MiniMax Media Generation

# MiniMax 媒体生成

使用 MiniMax 原生 API 能力生成图片、语音和音乐。这个 Skill 不运行本地 CLI，也不要求用户在文件中保存 API Key。

## Loadout capabilities

使用 <integration-tag>api:minimax</integration-tag> 提供的 MiniMax 原生 Actions：`image_generation` 执行 `image-01` 图像生成，`t2a_v2` 执行 Speech 2.8 或 2.6 文本转语音，`generate_music` 执行歌曲或纯音乐生成。

只使用 capabilities_get 返回的当前字段。不要把其他供应商的模型当作 MiniMax 的替代品。

## 通用流程

1. 判断用户需要图片、语音还是音乐。
2. 收集最少必需输入，并给出将要使用的模型、数量或音频规格。
3. 对涉及人物、声音或品牌的参考素材确认用户有权使用；不要克隆未授权声音。
4. 调用生成 Action 前先向用户展示预计操作。生成是付费写操作，遵循报价和确认流程。
5. 返回生成结果和实际参数。若 Action 返回明确的字段或内容安全错误，修正一次；不要重复付费重试。

## 图片

使用 `image-01`。必填字段是 `model` 和 `prompt`。默认请求 1 张并使用 URL 输出；只有用户明确需要多张时才提高 `n`，且当前平台计费支持 1 至 9 张。URL 可能在 24 小时后失效，应立即把可用结果交付给用户。

当用户提供主体参考时，把当前 Action schema 支持的参考对象放入 `subject_reference`。不要自行发明字段或把本地路径传给托管 Action。

## 语音

必填字段是 `model` 和 `text`。根据用途选择 HD 或 Turbo：成片旁白优先 HD，草稿和批量预览优先 Turbo。只有用户提出要求时才设置 voice、语速、音量、音高、格式、采样率、声道、字幕或发音词典。

文本上限和可用模型以 Action schema 与预检结果为准。长文本若超限，先按自然段分段并说明会产生多次调用。

## 音乐

先确定用途、流派、情绪、速度、乐器、是否有人声和歌词语言。调用 `generate_music` 时必须提供 `model`；歌曲可提供 `prompt` 与 `lyrics`，纯音乐使用当前 schema 支持的 instrumental 字段。不要模仿在世艺术家的独特风格；改写为一般化的流派、年代、编曲和情绪特征。

## 输出格式

```markdown
## 生成计划
- 类型：<图片/语音/音乐>
- 模型：<MiniMax 模型>
- 关键参数：<摘要>
- 付费确认：<待确认/已确认>

## 结果
<URL、资产 ID 或 Action 返回的结果>

## 备注
<内容安全、到期时间或失败恢复说明>
```

## Attribution

See [upstream attribution](UPSTREAM.md) and the preserved [MIT license](LICENSE.txt).