MiniMax wypuścił MMX-CLI, interfejs wiersza poleceń oparty na Node.js dla swojej platformy AI, umożliwiający programistom i agentom AI bezpośredni dostęp do możliwości generatywnych.
MMX-CLI odpowiada na wyzwania stojące przed agentami opartymi na dużych modelach językowych (LLM), którzy mają trudności z generowaniem multimediów bez dodatkowych warstw integracji. Nowy interfejs umożliwia użytkownikom wywoływanie różnych funkcji generowania multimediów bezpośrednio jako poleceń powłoki, eliminując potrzebę stosowania protokołów kontekstu modelu.
Interfejs integruje możliwości MiniMax w siedmiu grupach poleceń: tekst mmx, obraz mmx, wideo mmx, mowa mmx, muzyka mmx, wizja mmx i wyszukiwanie mmx. Każde polecenie zapewnia określone funkcjonalności dostosowane do potrzeb programistów i aplikacji AI.
Polecenie tekstowe mmx obsługuje czat wieloobrotowy i dotyczy określonych wariantów modelu MiniMax. Domyślnie korzysta z MiniMax-M2.7, co pozwala na zaawansowane zadania generowania tekstu. Polecenie mmx image umożliwia generowanie obrazu na podstawie podpowiedzi tekstowych, zapewniając opcje dotyczące proporcji i spójności tematu w wielu wynikach. Ta funkcja ułatwia przepływ pracy wymagający ciągłości wizualnej. Polecenie mmx video wykorzystuje MiniMax-Hailuo-2.3 do generowania wideo, z opcjami synchronicznego odpytywania lub asynchronicznego śledzenia zadań. Użytkownicy mogą określić klatkę otwierającą do generowania wideo za pomocą flag polecenia.
Polecenie mowy mmx w MMX-CLI obejmuje ponad 30 głosów zamiany tekstu na mowę. Pozwala użytkownikom dostosować parametry, takie jak prędkość, głośność i wysokość, jednocześnie obsługując synchronizację napisów. Wprowadzane dane są ograniczone do 10 000 znaków.
Za pomocą polecenia mmx music użytkownicy mogą generować muzykę na podstawie tekstu i definiować różne parametry kompozycyjne, takie jak gatunek i instrumentacja. Dostępne są także opcje osadzania znaków wodnych. Polecenie mmx Vision interpretuje obrazy przy użyciu modelu języka wizyjnego, umożliwiając użytkownikom zadawanie pytań o zawartość obrazów za pomocą podpowiedzi.
Polecenie wyszukiwania mmx ułatwia wyszukiwanie w Internecie, zwracając wyniki w formacie tekstowym lub JSON. Zarówno struktura poleceń, jak i podstawowa architektura techniczna są zoptymalizowane pod kątem użyteczności w różnych środowiskach. MMX-CLI jest rozwijany głównie w TypeScript i jest kompatybilny z Node.js 18+. Jego wdrożenie jest proste i obejmuje ustrukturyzowaną obsługę błędów oraz obsługę routingu API w dwóch regionach.
MiniMax stwierdził, że MMX-CLI znacząco zmniejsza bariery integracyjne dla rozwoju sztucznej inteligencji, zapewniając ujednolicone narzędzie do różnorodnych możliwości generowania multimediów. To, w połączeniu z łatwą konfiguracją agentów AI, usprawnia proces tworzenia inteligentnych aplikacji.
