DSH MiniMax Multimodal
为 DeepSeek Harness (DSH) 提供 MiniMax 联网搜索、图像理解、文生图、语音合成和语音转写工具。插件使用 DSH 原生工具、会话文件系统、凭据和附件接口。
功能
| 工具 | 用途 | 默认模型 |
|---|---|---|
minimax_web_search |
用 MiniMax 官方搜索接口联网检索,返回标题、链接、摘要、日期和相关搜索词 | MiniMax M Plan 搜索 |
minimax_understand_image |
读取会话工作区中的图片并回答问题 | 跟随当前会话模型(默认 MiniMax-M3.1-Flash) |
minimax_generate_image |
根据文字生成一张图片 | image-01-live |
minimax_speak |
将文字合成为 MP3 | speech-2.8-turbo |
minimax_transcribe_audio |
将音频转成文字 | asr-1.0 |
minimax_list_voices |
列出可用的系统语音音色 | MiniMax 音色目录 |
minimax_list_models |
列出各能力可用的模型与当前生效模型 | — |
minimax_select_model |
切换某个能力使用的模型 | — |
图片生成和语音合成成功后,插件自动把文件登记到 DSH 的交付记录,显示在回复下方的文件卡片中,无需模型另行调用 present。卡片的预览样式由 DSH 客户端决定。
识图模型默认跟随用户当前会话使用的模型(宿主模型 id 会经别名表归一,例如 minimax-m3.1-flash → MiniMax-M3.1-Flash);会话模型不是 MiniMax 模型时回退到 MiniMax-M3.1-Flash。图片和音频生成由独立的 MiniMax 模型完成。本项目目前不提供视频理解或生成、音乐生成、音色克隆、录音按钮、实时语音通话,也不抓取网页正文(搜索工具只返回标题、链接、摘要和日期)。
模型选择
模型可以在三个地方改,三者共用同一份状态:
- 输入框下方的“⚙ MiniMax”按钮(DSH 桌面端 Web 界面):点击打开模型设置窗口,分别选择识图、生图、语音和转写模型,选择后立即生效。
- 斜杠命令:
/minimax-model查看当前选择,/minimax-model vision=follow-session image=image-01-live切换。 - 配置补丁
cordis.patch.yml:设置各项默认值。
识图能力除具体模型外还接受 follow-session,表示跟随用户当前会话模型。生效优先级为:显式选择 > 配置补丁 > 模型目录默认值。显式选择保存在运行中的插件实例里,重启后回到配置补丁的值。
可用模型:
| 能力 | 模型 | 简介 |
|---|---|---|
| 识图 | MiniMax-M3.1-Flash |
原生多模态模型,支持图视频理解 |
| 识图 | MiniMax-M3 |
前沿多模态编码模型,百万上下文 |
| 识图 | MiniMax-M2.7 |
递归自我改进,工程交付能力更强 |
| 识图 | MiniMax-M2.7-highspeed |
高速推理版本,日常响应速度更快 |
| 生图 | image-01-live |
手绘卡通等画风增强,风格自由调 |
| 生图 | image-01 |
画面表现细腻,支持文生图图生图 |
| 语音 | speech-2.8-turbo |
最新极速版,支持四十种语言情感 |
| 语音 | speech-2.8-hd |
最新高清语音版,音色细节更逼真 |
| 转写 | asr-1.0 |
语音转文字,限五百秒五十兆以内 |
安装
在 DSH 桌面端插件管理器中添加本地插件目录。若通过桌面端配套的 CLI 安装,可使用:
dsh plugin --profile desktop add 'link:<插件目录的绝对路径>'
插件要求支持原生工具、文件交付接口和客户端插件机制的 DSH 桌面端版本。安装后在插件管理器中启用 dsh-minimax-multimodal。
界面下拉列表由宿主直接从插件目录读取 lib/client.js 提供,不需要构建步骤。安装或升级后请硬刷新界面(Ctrl+Shift+R),清掉浏览器里缓存的旧 bundle;下拉列表只在有会话时出现。
配置密钥
在 DSH 凭据设置中配置 MiniMax 国内站 API Key,并提供凭据引用 MINIMAX_CN_API_KEY。插件通过宿主凭据服务读取密钥;也可在宿主环境中设置同名环境变量。
联网搜索是 MiniMax M Plan 的能力,单独使用一个 M Plan Key。插件按 searchCredentialRef(默认 MINIMAX_SEARCH_API_KEY)取搜索密钥,取不到时回退到多模态用的 MINIMAX_CN_API_KEY 和 MINIMAX_API_KEY,因此只配一个 Key 也能运行,只是必须具备 M Plan 权限。搜索请求发往 https://api.minimaxi.com/v1/coding_plan/search(海外站为 api.minimax.io),可用 searchHost 覆盖为其他 MiniMax 站点地址。
| 配置项 | 默认值 | 说明 |
|---|---|---|
region |
cn |
cn 或 global,决定 API 域名 |
credentialRef |
MINIMAX_CN_API_KEY |
多模态密钥的凭据引用 |
searchCredentialRef |
MINIMAX_SEARCH_API_KEY |
联网搜索密钥的凭据引用,留空则复用 credentialRef |
searchHost |
空 | 覆盖搜索接口域名,必须是 https 地址 |
visionModel |
follow-session |
识图模型;follow-session 表示跟随当前会话模型 |
imageModel |
image-01-live |
生图模型 |
speechModel |
speech-2.8-turbo |
语音合成模型 |
transcriptionModel |
asr-1.0 |
语音转写模型 |
defaultVoice |
male-qn-qingse |
默认音色 id |
插件不需要把 API Key 写入源码、配置补丁、对话或仓库。已暴露的密钥应在 MiniMax 控制台撤销并重新生成。不要提交 .env、凭据文件、会话记录或真实接口探测结果。
使用示例
在 DSH 对话中提出自然语言请求,例如:
- “用 MiniMax 联网搜一下 DSH 插件市场最近上新了什么。”
- “用 MiniMax 生成一张 16:9 的海边夕阳图片。”
- “用 MiniMax 把这段文字读成 MP3:你好,世界。”
- “用 MiniMax 看一下
images/screenshot.png,解释这个报错。” - “用 MiniMax 把
recording.mp3转成文字。”
识图和转写工具读取会话工作区中已有文件,遵守 DSH 文件系统权限。识图文件上限 10 MiB;音频上限 50 MiB,ASR 最长 500 秒;语音合成每次最多 3000 个字符;搜索关键词最长 500 字符,默认保留 5 条结果,最多 10 条。API 权限和可用模型由 MiniMax 账户决定。
项目结构
index.mjs 插件入口、工具与命令注册
lib/api.mjs MiniMax API 请求和响应处理
lib/client.js DSH 客户端模型设置界面
lib/models.mjs 模型目录与选择解析
lib/selection.mjs 模型选择状态
lib/presentation.mjs 图片和语音文件交付
locale/ 界面语言文件
tests/ 插件和模型选择测试
cordis.patch.yml DSH 插件默认配置
开发
需要 Node.js 22.8 或更新版本。项目不依赖第三方 npm 包。
npm test
npm pack
测试用 node --test --test-isolation=none 运行,避免在受限沙箱里派生子进程。客户端半边 lib/client.js 按 DSH 的 lazy-CJS 约定手写,不需要构建步骤;它内嵌的模型目录必须与 lib/models.mjs 一致,测试会校验这一点。
MIT License,见 LICENSE。
No comments yet. Be the first to write one.