Communitygithub.com

czhmisaka/minimax-multimodal-toolkit

Habilidad multimodal de MiniMax: usa modelos MiniMax Multi-Modal para voz, música, video e imágenes. Crea voz, música, video e imágenes con MiniMax AI.

¿Qué es minimax-multimodal-toolkit?

Esta habilidad integra los modelos multimodales de MiniMax en agentes de IA, permitiendo generar y procesar voz, música, video e imágenes de forma nativa. Soporta TTS (texto a voz, clonación y diseño de voz, segmentación múltiple), composición musical (canciones e instrumentales), creación de video (texto a video, imagen a video, cuadro inicial y final, referencia de sujeto, plantillas, video de múltiples escenas), generación de imágenes (texto a imagen, imagen a imagen con referencia de personaje) y procesamiento de medios (conversión, concatenación, recorte y extracción). Es útil para agentes que necesitan crear contenido multimedia diverso sin depender de múltiples APIs externas. Funciona mediante llamadas directas a la API de MiniMax y devuelve contenido listo para el usuario.

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/czhmisaka/deepseek-harness-custom/tree/main/skills/minimax-multimodal-toolkit
Ver original→Ver todas las habilidades

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

OpenAIChatGPTClaudeClaudeGeminiGeminiGrokGrokPerplexityPerplexityDeepSeekDeepSeek

Documentación

¿Qué hace minimax-multimodal-toolkit?

Habilidad del modelo multimodal de MiniMax: usa modelos Multi-Modal de MiniMax para voz, música, video e imágenes. Crea voz, música, video e imágenes con MiniMax AI: TTS (texto a voz, clonación de voz, diseño de voz, segmentación múltiple), música (canciones, instrumentales), video (texto a video, imagen a video, cuadro inicial-final, referencia de sujeto, plantillas, video de múltiples escenas de larga duración), imagen (texto a imagen, imagen a imagen con referencia de personaje) y procesamiento de medios (convertir, concatenar, recortar, extraer). Utiliza cuando el usuario solicite contenido multimodal.

Skills relacionados

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