MiniMax CLI v1.0.21：语音合成加上情绪控制，H3 视频拆出独立技能包，Music 正式退役

星海拾光AI 前沿2026-09-18454 阅读💛 262 收藏

一句话结论

MiniMax 官方命令行工具 mmx-cli 发布 v1.0.21（2026-08-21）。这个版本对普通用户有三件值得关心的事：语音合成命令新增情绪控制、中英文数字读法规范化、LaTeX 公式朗读三个参数，把平台 T2A v2 接口的三个能力暴露到了命令行；H3 视频生成从主技能文档中拆出独立技能包，编程智能体可以单独安装 H3 技能；Music 音乐生成命令随平台 API 下线被整体移除，是一次明确的破坏性变更。本站此前介绍过这个 CLI 的七类核心命令与上手流程，本文聚焦 v1.0.21 这一版的增量。

语音合成三参数：情绪、数字读法与公式朗读

v1.0.21 的核心功能增量来自 PR #237（2026-08-11 合入）。它把平台语音合成接口 T2A v2（/v1/t2a_v2）里三个此前命令行没有暴露的 voice_setting 参数，接到了 mmx speech synthesize 命令上。

第一个参数是 --emotion，控制合成语音的情绪，可取 happy、sad、calm 等值。做有声书、播客开场或短视频口播的用户，过去想让语音带情绪只能去平台控制台调，现在在终端一条命令就能切换。

第二个参数是 --text-normalization，开启中英文文本规范化，主要改善数字与符号的读法——比如金额、日期、百分比这类文本，不开启时模型可能逐字读，开启后会按自然语言习惯朗读。

第三个参数是 --latex-read，朗读 $...$ 包裹的 LaTeX 公式，官方注明仅支持中文。教育类内容创作者把讲义里的公式直接转成语音时，这个开关决定公式是被念成自然中文还是被跳过。

实现上这三个参数都是「缺省即省略」：不在命令行传参时，请求体里不会带上对应字段，接口默认行为完全不变。已有脚本无需任何改动。

H3 视频拆出独立技能包

第二个增量来自 PR #218（2026-08-01 合入）：把 MiniMax-H3 视频生成的智能体技能，从主技能文档里拆出来，做成 skill/h3-video/ 下的独立技能包（技能名 mmx-h3-video）。

拆分后主技能文档只保留通用入口，H3 专属指引全部移入独立包，包括三种输入模式（文生视频、首尾帧、多模态参考素材）、区域探测失败时的恢复策略、核心限制、异步任务路径、提示词构造规则和失败处理。对 Claude Code、Cursor 等编程智能体用户，装一次技能包就获得完整的 H3 视频操作知识，不用在通用文档里翻找视频段落。

这个技能包里有几条值得注意的智能体规则：H3 不走 OAuth 或订阅密钥，必须使用按量付费 API Key；永远显式传 --model MiniMax-H3 不依赖默认模型；等待视频生成时挂在原命令上，不杀进程、不重复提交付费任务；区域探测最多换区重试一次。这些规则把「智能体重复下单付费视频任务」这类真实风险用硬约束挡住了。

Music 命令退役：破坏性变更

第三件事是减法。PR #239（2026-08-20 合入）移除了 Music 音乐生成的全部支持：mmx music generate 与 mmx music cover 两条命令删除，/v1/music_generation 与 /v1/music_cover_preprocess 端点助手移除，SDK 模块与类型定义同步清理。原因是平台侧 Music API 正在下线，官方明确这是一次面向 Music 用户的破坏性变更，其余所有命令、SDK 模块与配置行为不变。

如果工作流里还在用 mmx 生成音乐，升级到 v1.0.21 前需要先迁移。仍在订阅期、只需要文本图像语音视频能力的用户不受影响。

稳定性修复：流式卡死与下载损坏

版本区间内还有两组与使用体验直接相关的修复（PR #227、#231）。流式请求过去在等待响应头时没有超时，网络异常时命令会永久挂起；v1.0.21 给流式响应加了握手超时和可重置的逐块空闲超时，流卡死或消费端取消时会中止并释放底层连接。资源下载侧则补齐了整体超时、体积上限（Content-Length 加流式字节计数双重校验）、对网络错误/408/429/5xx 的指数退避重试，并且改为先写临时文件、下载完整后才原子替换目标文件——半截文件不会再覆盖你的成品视频。

另外 PR #216 修复了密钥余额查询对 secret key 的支持，PR #220 修掉了注册表里别名命令被导出两次的问题，属于边角补全。

上手建议

升级方式不变：npm install -g mmx-cli 会直接升到最新版。升级后第一步建议跑 mmx speech synthesize --text "测试一下" --emotion happy 验证语音新参数生效；用 H3 视频的智能体用户，把技能更新到新的独立 H3 技能包，旧的混合文档已不再是权威来源；Music 用户先确认自己的替代方案再升级。三参数都是可选开关，现有脚本零改动平滑过渡。