unofficial-gmi-cloud-cli

# 非官方 GMI 云 CLI [](https://github.com/yannan000/unofficial-gmi-cloud-cli/actions/workflows/ci.yml) [](https://www.npmjs.com/package/unofficial-gmi-cloud-cli) [](https://www.npmjs.com/package/unofficial-gmi-cloud-cli) [](LICENSE) > **你的终端现在是一个电影工作室。** > 一条命令调用 GMI Studio 的 300 多个模型——图像、视频、音频和大型语言模型——并处理上传、格式转换、轮询、下载和成本检查。 > ⚠️ **非官方社区工具，适用于 GMI Studio**。不隶属于 GMI Cloud 或得到其认可。MIT 许可，携带自己的 API 密钥——该工具不会增加任何额外费用。 --- ## 你不需要成为开发者 如果你使用 AI 助手——Claude、Cursor、Codex、Windsurf、Cline、Kilo、droid、Grok——**它可以为你设置并驱动它。** 复制这句话，粘贴到你的助手，完成后： > **按照 https://github.com/yannan000/unofficial-gmi-cloud-cli 中的“For AI agents”步骤设置 GMI CLI，然后运行 `gmi doctor` 以确认一切正常。** 你的助手唯一需要你提供的信息是 GMI API 密钥。 [**在此注册 GMI Cloud**](https://console.gmicloud.ai/ref/ZB44WJST) *(推荐链接)*，然后在 **API Keys** 下创建密钥——它只显示一次，所以在它出现时复制它。 ### 然后直接说出你想要的 你说话。你的助手运行工作室。一些创作者这样说： - *"制作一个 9:16 的罗马士兵 POV 视频，自己拍摄自己在战斗前一天的自拍，带有自拍角度、对着镜头说话和手持抖动。"* - *"大脚怪早晨日常视频博客，第 2 集。与上一集相同的大脚怪——使用昨天的关键帧，以便他看起来一模一样。"* - *"玻璃水果切割 ASMR——刀切一个半透明的玻璃草莓放在木制板上，宏观拍摄，清晰的声音开启。"* - *"这是我的产品照片——制作一个 UGC 风格的广告，一个女人拿着它，对着镜头说话，15 秒，垂直方向。"* - *"这是我的一张照片——把我放在阿根廷球衣中，动画我进而打进世界杯进球，梅西助攻。"* （这可行——参见下面的配方。一个三幕电影的成本约为 12 美元。） - *"为我的无脸频道视频生成 10 个 B 卷片段，关于古代埃及，以及脚本的语音。"* - *"在夜间批量处理本周的 5 个短视频，并将它们放在我的内容文件夹中——在执行前告诉我成本。"* 你的助手会选择模型，检查价格 **在花费前**，上传你的文件（iPhone HEIC 照片可以），等待渲染结果，并下载结果。如果某些配置错误，它会花费 0 美元——每个作业在提交前都会验证。 ### 这到底是什么，一段描述 GMI Studio 是一个网站，你可以在那里使用 300 多个 AI 模型（Kling、Veo、Sora、Gemini Image、MiniMax……）制作图像、视频和音频。它对于单个图像非常好——但是制作真正的批量内容（例如一批广告、一个多场景视频）意味着需要数十次上传、点击、标签页和下载。这个工具将所有这些变成 AI 助手（或你）可以运行的命令——因此工作发生在你做其他事情时。 --- ## 与每个 AI 助手兼容 该软件包既是一个 **CLI（命令）** 又是一个 **MCP 服务器（原生工具集成）**。一条命令配置任何客户端： ```bash gmi mcp-config # 列出所有支持的客户端及其配置文件 gmi mcp-config cursor --install # 编写配置文件（备份旧配置文件） ``` | 客户端 | 设置 | |--------|-------| | Claude Code / Cowork | `gmi mcp-config claude-code` → 打印 `claude mcp add` 一行命令（Cowork 共享它；Cowork 代理也可以直接在终端中驱动 `gmi` CLI） | | Claude Desktop | `gmi mcp-config claude-desktop --install` | | Cursor | `gmi mcp-config cursor --install` | | Windsurf (Cognition) | `gmi mcp-config windsurf --install` | | Cline (VS Code) | `gmi mcp-config cline --install` （或通过 Cline 的 MCP UI 粘贴） | | Kilo Code (VS Code) | `gmi mcp-config kilo --install` | | OpenAI Codex CLI | `gmi mcp-config codex` → `~/.codex/config.toml` 的 TOML | | Grok CLI | `gmi mcp-config grok --install` | | Factory (droid) | `gmi mcp-config factory --install` | | 其他 | `gmi mcp-config generic` — 标准 `mcpServers` JSON | 在你的 IDE 配置中没有 API 密钥：服务器自动从 `~/.config/gmi/.env` 加载 `GMI_API_KEY`。 `gmi mcp` 启动相同的服务器——在自定义配置中很方便，npm 安装后它是 `npx -y unofficial-gmi-cloud-cli mcp`。 ### ChatGPT 和 claude.ai（远程连接器） 浏览器聊天（ChatGPT，claude.ai）无法运行本地程序——它们只连接到 **远程** MCP 服务器通过 HTTPS。 `gmi mcp --http` 提供确切的功能： ```bash # 强令牌是必需的——它保护一个连接到你的 GMI 密钥的端点 GMI_MCP_TOKEN=$(openssl rand -hex 24) gmi mcp --http --port 8787 ``` 这暴露了两个端点：`/mcp`（Streamable HTTP——Claude Code `--transport http`，现代客户端）和 `/sse`（适用于 ChatGPT 连接器）。将其放在你控制的隧道后面（例如 `cloudflared tunnel --url http://localhost:8787`），然后将公共 URL 添加为连接器： - **ChatGPT** — 设置 → 连接器 → 添加你的 `https://…/sse` URL，认证头 `Authorization: Bearer <your token>` - **claude.ai** — [claude.ai/customize/connectors](https://claude.ai/customize/connectors) → 添加 `https://…/mcp` 并使用相同的 bearer 头 - **Claude Code（远程）** — `claude mcp add --transport http gmi-studio https://…/mcp --header "Authorization: Bearer <token>"` > ⚠️ **安全：** HTTP 端点花费你的 GMI 积分，任何拥有 URL + 令牌的人都可以访问。它需要一个 16 个字符的 `GMI_MCP_TOKEN`，并且如果没有令牌则拒绝启动。绑定到 localhost + 私有隧道；绝不能公开暴露它。聊天应用没有本地文件系统，因此 `generate` 返回媒体 **URL** 而不是下载文件——本地 CLI 仍然是保存资产的最佳体验。 ## 它适用于谁 | 你是… | 你的痛点 | 你得到什么 | |----------|-----------|--------------| | **创作者** 每天发货（短视频、ASMR、UGC 广告、无脸频道） | 控制台吞吐量；格式墙；意外花费 | 分镜头静帧，批量渲染，下载到 `./clips` — 每张图片一个命令 | | **开发者** 将生成媒体添加到产品或管道中 | API 包装器工作周；重试/幂等雷区 | 已经过测试的客户端 - 39 个测试固定实际 API 行为 | | **代理用户** （Claude、Cursor、Codex、droid……） | 想要 AI **完成**整个工作 | 一个 MCP 服务器 = 你的助手看到所有 300 多个模型并运行整个渲染管道 | ## 没有额外费用 通过此工具完成的工作与在 GMI 控制台中生成的费用完全相同。你携带自己的 API 密钥；工具不会增加任何费用。实际上，由于每个作业在提交前都会估算和验证成本，因此往往 **更便宜** —— 本地失败的作业不会花费积分，`--dry-run` 预览任何作业而不花费一分钱。 --- ## 开发者 ### 为什么存在 使用 GMI Studio 按生产节奏意味着要克服四种摩擦： - **控制台点击工作** — 每次生成都是一个浏览器会话。对于单个图像来说很好，但对于 12 张图片的故事板来说很残酷。 - **原始 API 管道** — 具有怪癖的异步作业队列（预签名上传会签署一个字面上的 `image/jpg` 内容类型，要轮询的作业，媒体 URL 嵌套在 JSON 中）。每个开发者都会重建相同的包装器。 - **格式墙** — 上传 API 接受六种文件类型；创作者生活在 HEIC、WebP、MOV 和 FLAC 中。 - **盲目花费** — 格式错误的负载和过度规范的作业会花费积分才能发现。 | | | |---|---| | ⚡ **每张图片一个命令** | `gmi generate -m kling-v3-image-to-video --image ./keyframe.heic -p "..." -o ./clips` — 一行命令上传、转换、提交、轮询和下载 | | 📁 **任何文件输入** | HEIC、WebP、TIFF、MOV、FLAC — 上传前自动转换（通过 macOS `sips` 或 `ffmpeg`） | | 💰 **永远不会支付错误费用** | 有效载荷针对模型模式验证并 **定价后提交**；失败的提交费用为 0 美元； `--dry-run` 预览所有内容 | | 🔁 **异步，驯服** | 实时进度，时间流逝，`Ctrl+C` 打印恢复命令，重试永远不会重复提交付费作业 | | 🤖 **代理原生** | 相同的软件包是一个具有 7 个类型工具的 MCP 服务器 | | 🧠 **包含生产知识** | 哪些提供商接受人类相似度（Kling ✓，Seedance ✗ — 甚至 AI 渲染的） — 在实际生产中学习 | 它涵盖了 GMI 的两个界面，具有一个共享的客户端： - **Studio / 生成媒体** — 通过 `console.gmicloud.ai/api/v1/ie/requestqueue/apikey` 的异步请求队列 - **推理引擎 LLM** — 与 OpenAI 兼容的聊天在 `api.gmi-serving.com/v1`（DeepSeek、Qwen、Llama、…） > **范围（此版本）：** `gmi` 仅驱动 **GMI Studio 生成** 侧面 — 运行模型以生成图像、视频和音频，以及 LLM 推理。已发布的 GMI Studio **工作流** 也是可运行的，因为它们出现在模型目录中（`gmi generate -m <workflow-id> …`）。**创建或编辑** 工作流 — 包括自然语言工作流创作 — 在 GMI Studio 视觉编辑器中完成，**不** 是此 CLI 的一部分（GMI 不公开提供创作 API）。如果发生变化，支持可以跟进。 ### 设置 ```bash npm install && npm run build ``` 将你的密钥（来自 **console.gmicloud.ai → API Keys** — [在此注册](https://console.gmicloud.ai/ref/ZB44WJST) 如果你没有帐户）放在以下任意位置： ```bash gmi config set-key # 提示隐藏输入（密钥不记录在 shell 历史记录中） gmi config set-key YOUR_KEY # 或直接传递；写入 ~/.config/gmi/.env，chmod 600 # 或将 GMI_API_KEY 放入 ./.env，或 <package>/.env ``` 运行 `npm link` 一次，将 `gmi` 放入你的 PATH（或使用 `node dist/cli.js ...`）。 ### CLI 参考 ```bash gmi models # Studio 媒体模型，以表格形式显示 gmi models --type video # 按类型/名称过滤 gmi models --llm # LLM 模型，$ / M-token 定价 gmi models --json # 原始 JSON（用于脚本） gmi model seedream-5.0-lite # 参数模式 + 定价，可读 # 生成图像并本地保存（加载时显示实时状态 + 流逝时间） gmi generate -m seedream-5.0-lite -p "San Francisco skyline at dusk, cinematic" -o ./out # 图像到视频：本地文件自动上传（--image-key 选择有效载荷字段） gmi generate -m kling-v3-image-to-video --image ./photo.heic -p "gentle camera push-in" -o ./out # 预飞行：验证有效载荷对抗模型模式 + 估算成本，无提交 gmi generate -m Veo3 -p "..." --dry-run # 发射并稍后轮询/获取（在等待过程中 Ctrl+C 打印恢复命令） gmi generate -m Veo3 -p "..." --no-wait -q # -q 仅打印 request_id gmi status <request-id> --wait -o ./out gmi download <request-id> -o ./out -q # -q 仅打印保存的路径 gmi requests --status failed --limit 10 # 可过滤的作业历史 # 上传任何常见文件格式，获取公共 URL（如果需要自动转换） gmi upload ./photo.heic # 与 LLM 聊天（默认流式传输；--no-stream 用于脚本） gmi chat -m deepseek-ai/DeepSeek-V3 "Write 5 punchy captions for a sunset lighthouse reel" gmi doctor # 密钥、连接性、转换器 — 健康检查 gmi update # 原地更新（git checkout → pull+build；npm → 最新） ``` CLI 还会检查新版本，最多一天一次（静默地，在 npm 注册表中），并在存在更新时打印一行通知 — 永远不会在 MCP 服务期间，并且失败的检查永远不会中断命令。 请求在 429 速率限制（和读取的 5xx/网络错误）时自动重试。 ### 选择视频模型（生产中学习） | 模型 | 人类相似度 | 帧固定 | 音频 | 价格（720p-ish） | |-------|-----------------|---------------|-------|------------------| | **Kling V3 pro** | ✅ 接受真实面孔 | `image` + `image_tail` | ✅ | $0.168–0.252/s | | **Seedance 2.0** | ❌ 拒绝任何逼真人物 — 真实照片 *或* AI 渲染 | `first_frame` + `last_frame` | ✅ | $0.152/s | | **Veo 3.1** | ⚠️ 严格的人物过滤器 | first+last frame | ✅ 原生 | $0.40/s | | **Sora 2 Pro** | ⚠️ 最严格的所有人 | — | ✅ | $0.50/s | **有效生成角色的配方：** 使用 `gemini-3-pro-image` 生成身份静态图像（引用您的照片），从中构建场景关键帧（每个镜头开始 + 结束），然后使用 Kling V3 固定两个端点。 视频模型仅在已正确构建的合成帧之间插值。 ### 作业生命周期 生成是异步的：`created → queued → dispatched → processing → success | failed | cancelled` 在 `success` 时，作业的 `outcome` 包含生成的资产 URL；客户端为您提取它们。 ### 测试 39 个测试固定每个真实 API 行为 — 响应形状、上传合同、重试策略、成本数学、配置合并和下载路径遍历防御。 `npm test`. CI 在每次推送时在 ubuntu + macos × Node 22/24 上运行。 ### 安全 参见 [SECURITY.md](SECURITY.md) 安全模型（密钥处理、公共上传 URL、MCP/代理接口、网络占用）以及如何报告漏洞。 简而言之：您的密钥存储 `0600` 并仅发送给 GMI；上传产生公共 URL；下载仅在您选择的输出目录内写入；无遥测除了每天一次的 npm 版本检查。 ### 文档 - API 介绍：https://docs.gmicloud.ai/api-reference/introduction - 视频 API：https://docs.gmicloud.ai/inference-engine/api-reference/video-api-reference - LLM API：https://docs.gmicloud.ai/inference-engine/api-reference/llm-api-reference - 完整文档索引：https://docs.gmicloud.ai/llms.txt --- ## FAQ **为什么不使用 GMI 控制台？** 同时使用两者。 控制台非常适合探索一个模型。 `gmi` 是您有 12 张图片和截止日期的那一天 — 或您将工作交给 AI 代理使用的那一天。 **此工具与 GMI 云关联吗？ 否 - 非官方、MIT 许可，携带自己的密钥。不会增加任何费用。 **另一个维护六个月后就会腐烂的包装吗？** 39 个测试固定每个真实 API 行为，CI 在每次推送时在两个操作系统和两个 Node 版本上运行。像基础设施一样维护，而不是一个 gist。 **它可以处理真实的人/我的脸吗？** 是的 - 使用合适的模型。Kling 接受人类相似度；Seedance 永远不会（它的过滤器拒绝任何逼真的角色，甚至是 AI 渲染的）。上面的模型矩阵为您节省了这一点。 **试用成本是多少？** 该工具免费。生成费用按照 GMI 的价格计费 - 测试图像约为 $0.035 美元，每项作业在提交前显示其估算成本。 `--dry-run` 完全免费。 ## 故事 > 一个晚上，一个终端：一个三幕世界杯短片 - 一个真实人物的形象在拥挤的决赛中得分，梅西风格的 #10 助攻 - 大约 **12 美元** 模型花费。关键帧来自 Gemini，运动来自 Kling 搭配开始和结束帧固定，音频开启，由 ffmpeg 组装。失败的拍摄次数为 0，因为每项作业在提交前都定价和验证。然后 Erling Haaland 做了杰克·斯派罗走船动作，因为管道使其成为一个 10 分钟的工作。那条管道就是这个仓库。 --- ## 适用于 AI 代理 *如果您是 AI 助手为用户设置此内容，请按照以下步骤：* 1. 克隆并构建： ```bash git clone https://github.com/yannan000/unofficial-gmi-cloud-cli.git cd unofficial-gmi-cloud-cli && npm install && npm run build && npm link ``` 2. 向用户询问他们的 GMI API 密钥（他们在 **console.gmicloud.ai → API Keys** 处创建；它只显示一次 - 新用户可以 [在此注册](https://console.gmicloud.ai/ref/ZB44WJST)）。使用以下命令存储它： ```bash gmi config set-key THEIR_KEY ``` 3. 验证：`gmi doctor` — 所有检查均应通过。（`ffmpeg` 是可选的；如果没有它，macOS 上的图像转换仍然可以使用 `sips` 进行。） 4. 可选地将自己注册为 MCP 客户端：`gmi mcp-config` 列出支持的客户端；`gmi mcp-config <your-client> --install` 写入配置文件。 5. 在为您提交任何付费生成之前：检查模型的参数，优先使用 `--dry-run`，并告诉用户估计的成本。使用 `-q`/`--json` 标志获取可解析的输出。 6. 模型选择指导在上面的“选择视频模型”部分。注意：Seedance 拒绝任何逼真人物；对于人类主题，请使用 Kling。