Communitygithub.com

czhmisaka/minimax-multimodal-toolkit

Toolkit für MiniMax-Multimodal-Modelle – Sprache, Musik, Video und Bilder generieren mit MiniMax AI.

Was ist minimax-multimodal-toolkit?

Dieses Skill ermöglicht die Nutzung der MiniMax-Multimodal-Modelle zur Erzeugung und Verarbeitung von Sprache, Musik, Videos und Bildern. Es unterstützt Text-to-Speech (TTS) mit Sprachklonen und Sprachdesign, Musikgenerierung (Songs und Instrumentals), Videogenerierung (Text-zu-Video, Bild-zu-Video, Start-End-Frames, Subjektreferenzen, Vorlagen, Langform-Multiszene) sowie Bildgenerierung (Text-zu-Bild, Bild-zu-Bild mit Charakterreferenz). Zusätzlich bietet es Medienverarbeitungsfunktionen wie Konvertierung, Verkettung, Zuschneiden und Extraktion. Das Skill ist nützlich für Entwickler:innen, die Multimodal-KI in ihre Anwendungen integrieren möchten, ohne die zugrundeliegenden Modell-APIs direkt ansteuern zu müssen. Es basiert auf der SKILL.md-Dokumentation und nutzt die MiniMax-API, um eine einheitliche und nutzerfreundliche Schnittstelle für verschiedene Medientypen bereitzustellen.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/czhmisaka/deepseek-harness-custom/tree/main/skills/minimax-multimodal-toolkit
Original anzeigen→Alle Skills durchsuchen

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

OpenAIChatGPTClaudeClaudeGeminiGeminiGrokGrokPerplexityPerplexityDeepSeekDeepSeek

Dokumentation

Was macht minimax-multimodal-toolkit?

MiniMax-Multimodal-Modell-Skill – Verwenden Sie MiniMax-Multimodal-Modelle für Sprache, Musik, Video und Bild. Erstellen Sie Stimmen, Musik, Videos und Bilder mit MiniMax AI: TTS (Text-to-Speech, Sprachklonen, Sprachdesign, Multisegment), Musik (Lieder, Instrumentals), Video (Text-zu-Video, Bild-zu-Video, Start-End-Frame, Subjektreferenz, Vorlagen, Langform-Multiszene), Bild (Text-zu-Bild, Bild-zu-Bild mit Charakterreferenz) sowie Medienverarbeitung (Konvertieren, Verketten, Zuschneiden, Extrahieren). Verwenden Sie dies, wenn der Benutzer nach der Erstellung oder Verarbeitung von Sprach-, Musik-, Video- oder Bildinhalten mit Hilfe der MiniMax-KI-Modelle fragt.

Verwandte Skills

steipete/video-frames

Extract frames or short clips from videos using ffmpeg.

community

steipete/summarize

Summarize or transcribe URLs, YouTube/videos, podcasts, articles, transcripts, PDFs, and local files.

community

openclaw/openclaw

Use when testing, fixing, or extending the OpenClaw Control UI GUI with Vitest + Playwright end-to-end checks, mocked Gateway WebSocket flows, mocked dashboard runs, screenshots/videos, or agent-verifiable browser proof.

community

obra/superpowers

Obra superpowers agent skills.

community

affaan-m/ECC

See, Understand, Act on video and audio. See- ingest from local files, URLs, RTSP/live feeds, or live record desktop; return realtime context and playable stream links. Understand- extract frames, build visual/semantic/temporal indexes, and search moments with timestamps and auto-clips. Act- transcode and normalize (codec, fps, resolution, aspect ratio), perform timeline edits (subtitles, text/image overlays, branding, audio overlays, dubbing, translation), generate media assets (image, audio...

community

affaan-m/everything-claude-code

End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.

community