Descripción
MiniMax Music 3 es un sofisticado modelo de generación musical diseñado para crear canciones completas con una duración de hasta cinco minutos. Este modelo se condiciona tanto a letras como a una descripción musical detallada, lo que le permite generar canciones estructuralmente coherentes con voces expresivas, arreglos en evolución y una calidad de audio estable en formato largo. El modelo combina un LLM Global de 8B para la estructura musical a largo plazo y un LLM Local de 0.6B para el detalle acústico a nivel de fotograma, utilizando un sistema de síntesis de estado oculto continuo basado en Flow Matching y Flow-VAE. Produce audio WAV estéreo a 32 kHz y 16 bits.
Leer más
El modelo admite la generación de canciones completas, manteniendo temas musicales, ritmo, identidad vocal y progresión de arreglos a lo largo de largas secuencias. Permite estructuras completas como introducción, verso, pre-coro, coro, puente, interludio instrumental y final. Los usuarios pueden ingresar letras con etiquetas de sección explícitas y una descripción musical que define el estilo musical, la progresión emocional, la interpretación vocal, la instrumentación, el arreglo y el perfil de producción.
MiniMax Music 3 emplea una arquitectura autorregresiva jerárquica que separa el modelado musical global del modelado acústico local. El LLM Global predice el primer marco del código RVQ cuadro por cuadro, modelando la progresión semántica y estructural a largo plazo de la canción. El LLM Local predice los códigos acústicos restantes dentro de cada marco, restaurando información acústica de alta resolución.
El módulo de síntesis del modelo fusiona los estados ocultos finales de los LLM Global y Local, preservando información acústica más rica para la articulación vocal, la textura instrumental y la continuidad temporal. La arquitectura Flow-VAE se adapta de MiniMax Speech y se vuelve a entrenar para el rango dinámico y las características espectrales de la música.
MiniMax Music 3 es compatible con SGLang-Omni y se puede servir utilizando varios marcos de inferencia como SGLang, difusores y ComfyUI. Requiere CUDA para la inferencia y actualmente solo admite generación no en streaming. El aviso de texto tokenizado está limitado a 5,000 tokens, y la generación de audio está limitada a 9,000 fotogramas acústicos.
- CategoríaGeneradores de música con IA
- Modelo de preciosCódigo abierto
- ImplementaciónNube
- PlataformasWeb
Aspectos destacados de MiniMax Music 3
Generación musical de alto rendimiento
Admite la generación de canciones completas de hasta cinco minutos
Combina LLM Global y Local
Produce audio WAV estéreo a 32 kHz y 16 bits
Arquitectura autorregresiva jerárquica
Síntesis de estado oculto continuo
Arquitectura Flow-VAE
Admite SGLang-Omni y otros marcos
Primeros pasos con MiniMax Music 3
Acceder al modelo: Visitar Hugging Face
Autenticarse: Configurar cuenta
Configurar el entorno: Seguir la guía de instalación
Integrar a través de API: Usar marcos compatibles
Optimizar: Ajustar parámetros para la salida deseada
Casos de uso de MiniMax Music 3
- Composición de Canciones
- Producción Musical
- Banda Sonora de Películas
- Bandas Sonoras de Videojuegos
- Publicidad
