MiniMax 开放平台 API — 视频语音图像模型的开发者接入指南
开放平台能力矩阵
MiniMax 开放平台（platform.minimaxi.com）把海螺 AI 背后的模型能力全部开放出来，支持按 API 接入自己的应用：
| 能力 | 模型 | 用途 |
|---|---|---|
| 视频生成 | MiniMax H3 | 文生视频、图生视频、视频编辑 |
| 语音合成 | MiniMax TTS | 文本转语音、音色克隆 |
| 图像生成 | Nano Banana Pro、Seedream | 文生图、图生图 |
| 语言模型 | MiniMax-M3 | 通用对话、逻辑推理、多轮对话 |
| MCP 工具 | MiniMax MCP | 提供给 AI Agent 的工具集 |
接入前准备
注册开放平台账号
和海螺 AI 消费端是同一个 MiniMax 账号体系，但 API 使用按量计费，和消费端积分不互通。
- 打开 platform.minimaxi.com
- 用邮箱 / Google / Apple 登录（和海螺 AI 消费端相同）
- 完成实名认证（国内开发者需要）
获取 API Key
开放平台提供两种 Key：
| Key 类型 | 获取位置 | 用途 |
|---|---|---|
| 按量付费 API Key | 「接口密钥」→「创建新的 API Key」 | 按量付费，可调用所有模型 |
| 订阅 Key | 「订阅管理」→「Token Plan」 | 订阅套餐专用 |
注意：API Key 只展示一次，一定要妥善保存。
SDK 接入
Python SDK
MiniMax 开放平台同时兼容 OpenAI SDK 和 Anthropic SDK 两种调用方式。
用 OpenAI SDK 调 MiniMax-M3 语言模型的例子：
from openai import OpenAI
client = OpenAI(
base_url="https://api.minimax.cn/v1",
api_key="YOUR_API_KEY"
)
response = client.chat.completions.create(
model="MiniMax-M3",
messages=[{"role": "user", "content": "你好"}]
)
print(response.choices[0].message.content)Node.js SDK
import OpenAI from 'openai'
const client = new OpenAI({
baseURL: 'https://api.minimax.cn/v1',
apiKey: process.env.MINIMAX_API_KEY
})Anthropic SDK 也兼容
MiniMax-M3 同时支持 Anthropic SDK 的调用协议，方便已经在用 Anthropic 的开发者快速切换。
视频生成 API
MiniMax H3 的视频生成 API 是开发者最感兴趣的部分。接口设计成异步调用——提交生成任务后轮询或接收回调。
生成方式（参考官方文档）：
| 方式 | 输入 | 说明 |
|---|---|---|
| 文生视频 | Prompt | 根据文字从零生成 |
| 图生视频 | 图片 + 描述 | 参考图片生成动态视频 |
| 多模态参考 | 图片 + 视频 + 描述 | 综合参考多素材生成 |
语音合成 API
文本转语音
提供丰富的内置音色，支持语速、音调、音量调整。
音色克隆
快速复刻（Voice Cloning）接口非常实用：
- 上传一段 10 秒以上的参考音频
- 上传或输入要合成的文本
- 接口返回试听音频 + Voice ID
- 用 Voice ID 后续正式合成
关键特性：
- 接口无状态，不存储用户上传的音频数据
- 支持单声道 / 双声道复刻
- 适合 IP 复刻、虚拟主播等场景
MCP 支持
MiniMax 提供 MCP（Model Context Protocol）服务——给 AI Agent 提供工具集，包括：
voice_clone：音色克隆工具text_to_speech：文本转语音image_generation：图像生成video_generation：视频生成
这意味着你可以把 MiniMax 的能力集成到支持 MCP 的 AI Agent 框架里。
定价
开放平台 API 按量计费，和消费端订阅独立。最新价格以官方实际展示为准。一般来说：
- 语音合成：按字符计费
- 图像生成：按张计费
- 视频生成：按规格和时长计费
- 语言模型：按 Token 计费
常见坑
- API Key 泄露会导致账户被盗刷，建议设置 IP 白名单
- 国内开发者需要完成实名认证才能启用视频和语音能力
- 不同模态有不同的速率限制，批量调用注意限流