MiniMax - GoModel

MiniMax udostępnia API czatu kompatybilne z OpenAI, więc modele czatu działają od razu. Zamiana tekstu na mowę korzysta jednak z własnego API MiniMax t2a_v2 – GoModel tłumaczy za Ciebie standardowy endpoint /v1/audio/speech na ten dialekt.

Konfiguracja

MINIMAX_API_KEY=...

Albo w config.yaml:

providers:
  minimax:
    type: minimax
    base_url: "https://api.minimax.io/v1"
    api_key: "${MINIMAX_API_KEY}"

MINIMAX_BASE_URL nadpisuje endpoint (domyślnie https://api.minimax.io/v1); konta na platformie chińskiej powinny ustawić go na https://api.minimaxi.com/v1.

Wideo na wejściu

Używaj części treści wiadomości video_url z MiniMax-M3, żeby przesyłać wideo na /v1/chat/completions, także w requestach streamingowych:

{"type":"video_url","video_url":{"url":"mm_file://your-file-id","detail":"high","fps":2}}

Gateway zachowuje URL-e wideo i ustawienia przetwarzania. Możesz podać URL, data URL z base64 lub istniejącą referencję do pliku MiniMax. Duże pliki wideo najpierw prześlij przez Files API MiniMax; gateway nie przesyła wideo za Ciebie. Obsługiwane formaty i limity rozmiaru opisuje dokumentacja wejścia wideo MiniMax.

Temperatura

MiniMax wymaga temperature w przedziale (0.0, 1.0] i odrzuca zero. GoModel zamienia zerową lub ujemną temperaturę na 1.0, żeby requesty w stylu OpenAI, które ustawiają temperature: 0, nadal działały.

Reasoning

MiniMax-M3, MiniMax-M2.7, MiniMax-M2.7-highspeed, MiniMax-M2.5, MiniMax-M2.5-highspeed i MiniMax-M2 zapisują swój tok rozumowania osobno od odpowiedzi. GoModel ustawia reasoning_split: true w tych requestach – tylko wtedy, gdy request nie zawiera już tej flagi, więc reasoning_split: false podane przez wywołującego nadal decyduje – a thinking trafia natywnie do reasoning_content – nie jako osadzone tagi <think> wewnątrz content – i jest przekazywany bez zmian. W odpowiedziach streamowanych MiniMax wysyła też tablicę reasoning_details, która duplikuje każdą deltę reasoning_content; gateway usuwa to nadmiarowe pole z choices[].delta. Każdy inny model MiniMax jest przekazywany bez zmian.

Zamiana tekstu na mowę

POST /v1/audio/speech jest tłumaczony na synchroniczne API t2a_v2 MiniMax, a audio zakodowane w hex jest dekodowane z powrotem do postaci binarnej:

curl https://your-gateway/v1/audio/speech \
  -H "Authorization: Bearer $GOMODEL_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "speech-2.6-hd",
    "input": "Hello from GoModel.",
    "voice": "English_expressive_narrator",
    "response_format": "mp3"
  }' \
  --output speech.mp3

import os

from openai import OpenAI

client = OpenAI(
    base_url="https://your-gateway/v1",
    api_key=os.environ["GOMODEL_KEY"],
)

speech = client.audio.speech.create(
    model="speech-2.6-hd",
    input="Hello from GoModel.",
    voice="English_expressive_narrator",
    response_format="mp3",
)
speech.write_to_file("speech.mp3")

import { writeFile } from "node:fs/promises";
import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://your-gateway/v1",
  apiKey: process.env.GOMODEL_KEY,
});

const speech = await client.audio.speech.create({
  model: "speech-2.6-hd",
  input: "Hello from GoModel.",
  voice: "English_expressive_narrator",
  response_format: "mp3",
});

await writeFile("speech.mp3", Buffer.from(await speech.arrayBuffer()));

voice przyjmuje identyfikator głosu MiniMax (na przykład English_expressive_narrator), a nie nazwę głosu OpenAI, taką jak alloy.
response_format obsługuje mp3 (domyślnie), wav, flac i pcm.
speed obsługuje 0.5–2.0 (domyślnie 1.0).

Modele mowy zwykle nie są zwracane przez listowanie /models w MiniMax, więc dodaj je do listy skonfigurowanych modeli, żeby można było do nich routować:

MINIMAX_MODELS=speech-2.6-hd,speech-2.6-turbo

MiniMax raportuje błędy jako HTTP 200 z natywnym kodem statusu; GoModel mapuje najczęstsze z nich na prawdziwe błędy (nieprawidłowe parametry i zablokowana treść → 400, uwierzytelnianie → 401, niewystarczające saldo → 402, rate limity → 429), zamiast przekazywać je jako nieprzejrzyste błędy gatewaya.

Nieobsługiwane przez MiniMax

Wszystkie poniższe przypadki zwracają invalid_request_error, zamiast po cichu pomijać daną opcję:

instructions dla mowy (wybierz identyfikator głosu pasujący do oczekiwanego stylu).
Wartości response_format dla mowy inne niż mp3/wav/flac/pcm oraz speed spoza zakresu 0.5–2.0.
Speech-to-text – MiniMax nie ma API transkrypcji, więc /v1/audio/transcriptions jest odrzucane.
Realtime voice-to-voice – konwersacyjny schemat realtime MiniMax nie jest kompatybilny z OpenAI, więc nie jest udostępniany pod /v1/realtime.

Generowanie obrazów na podstawie obrazów

Wyślij multipartowy request do /v1/images/edits z model=image-01 lub model=image-01-live, prompt i przesłanymi plikami image. MiniMax używa obrazów jako referencyjnych portretów postaci; nie wykonuje edycji z maską. Używaj portretów en face w formacie JPEG lub PNG, każdy mniejszy niż 10 MB. Adapter wysyła portrety jako data URL-e w subject_reference do endpointu MiniMax /v1/image_generation, korzystając ze skonfigurowanego regionalnego bazowego URL-a. size=WIDTHxHEIGHT mapuje się na width i height. Niestandardowe wymiary dotyczą tylko image-01: size, width i height są odrzucane dla image-01-live, którego rozmiar określa się przez aspect_ratio. Obsługiwane są też natywne pola aspect_ratio, seed, n i prompt_optimizer. response_format=b64_json mapuje się na format base64 MiniMax i zwraca data[].b64_json; domyślnie zwracane jest data[].url (linki wygasają po 24 godzinach). Maski i nieobsługiwane pola edycji zwracają błąd walidacji. Natywne błędy z HTTP 200 są mapowane na odpowiedni status błędu OpenAI w ten sam sposób co przy generowaniu obrazów, opisanym poniżej. Limity parametrów dla poszczególnych modeli opisuje API image-to-image MiniMax.

Generowanie obrazów

Używaj image-01 lub image-01-live z /v1/images/generations. GoModel tłumaczy requesty na natywny endpoint MiniMax /v1/image_generation, korzystając ze skonfigurowanego bazowego URL-a, i zwraca wygenerowane obrazy w data.

{"model":"image-01","provider":"minimax","prompt":"A lighthouse at sunrise","aspect_ratio":"16:9","n":1}

Domyślny format odpowiedzi to url; URL-e wygasają po 24 godzinach. Użyj response_format: "b64_json", żeby otrzymać osadzone obrazy. Akceptowane jest też natywne base64. size: "1024x1024" mapuje się na width i height; pomiń size, gdy podajesz natywne wymiary lub aspect_ratio. Natywne opcje, takie jak seed i prompt_optimizer, są przekazywane dalej. quality i streaming nie są obsługiwane. MiniMax raportuje błędy obrazów, edycji obrazów i mowy jako HTTP 200 z niezerowym base_resp.status_code. GoModel mapuje ten kod na odpowiedni status błędu OpenAI – 429 dla limitów żądań i użycia, 401 dla uwierzytelniania, 402 dla salda, 400 dla nieprawidłowego lub odrzuconego wejścia, 502 w pozostałych przypadkach – i dołącza własny base_resp.status_msg MiniMax do komunikatu błędu, żeby diagnostyka upstreamu nie zginęła. Limity dla poszczególnych modeli opisuje dokumentacja referencyjna API obrazów MiniMax.

​Konfiguracja

​Wideo na wejściu

​Temperatura

​Reasoning

​Zamiana tekstu na mowę

​Nieobsługiwane przez MiniMax

​Generowanie obrazów na podstawie obrazów

​Generowanie obrazów