Deskripsi
MiniMax Music 3 adalah model generasi musik yang canggih dirancang untuk menciptakan lagu lengkap dengan durasi hingga lima menit. Model ini dikondisikan pada lirik dan deskripsi musik yang rinci, memungkinkan untuk menghasilkan lagu yang terstruktur koheren dengan vokal ekspresif, aransemen yang berkembang, dan kualitas audio panjang yang stabil. Model ini menggabungkan 8B Global LLM untuk struktur musik jangka panjang dan 0.6B Local LLM untuk detail akustik tingkat bingkai, memanfaatkan sistem sintesis keadaan tersembunyi kontinu berdasarkan Flow Matching dan Flow-VAE. Ini menghasilkan audio WAV stereo 32 kHz, 16-bit.
Baca Selengkapnya
Model ini mendukung generasi lagu lengkap, mempertahankan tema musik, ritme, identitas vokal, dan kemajuan aransemen di seluruh urutan panjang. Ini memungkinkan struktur lengkap seperti intro, bait, pra-refrain, refrain, jembatan, jeda instrumental, dan outro. Pengguna dapat memasukkan lirik dengan tag bagian eksplisit dan deskripsi musik yang mendefinisikan gaya musik, kemajuan emosional, penampilan vokal, instrumentasi, aransemen, dan profil produksi.
MiniMax Music 3 menggunakan arsitektur autoregressive hierarkis yang memisahkan pemodelan musik global dari pemodelan akustik lokal. Global LLM memprediksi bingkai kode buku RVQ pertama secara bertahap, memodelkan kemajuan semantik dan struktural jangka panjang lagu. Local LLM memprediksi kode buku akustik yang tersisa dalam setiap bingkai, memulihkan informasi akustik yang halus.
Modul sintesis model menggabungkan keadaan tersembunyi akhir dari Global dan Local LLM, mempertahankan informasi akustik yang lebih kaya untuk artikulasi vokal, tekstur instrumental, dan kontinuitas temporal. Arsitektur Flow-VAE diadaptasi dari MiniMax Speech dan dilatih ulang untuk rentang dinamis dan karakteristik spektral musik.
MiniMax Music 3 didukung oleh SGLang-Omni dan dapat dilayani menggunakan berbagai kerangka inferensi seperti SGLang, diffusers, dan ComfyUI. Ini memerlukan CUDA untuk inferensi dan saat ini hanya mendukung generasi non-streaming. Teks prompt yang ditokenisasi dibatasi hingga 5.000 token, dan generasi audio dibatasi hingga 9.000 bingkai akustik.
- KategoriGenerator Musik AI
- Model HargaOpen source
- PenerapanCloud
- PlatformWeb
Sorotan MiniMax Music 3
Generasi musik berkinerja tinggi
Mendukung generasi lagu lengkap hingga lima menit
Menggabungkan Global dan Local LLMs
Menghasilkan audio WAV stereo 32 kHz, 16-bit
Arsitektur autoregressive hierarkis
Sintesis keadaan tersembunyi kontinu
Arsitektur Flow-VAE
Mendukung SGLang-Omni dan kerangka lainnya
Memulai dengan MiniMax Music 3
Akses model: Kunjungi Hugging Face
Autentikasi: Siapkan akun
Siapkan lingkungan: Ikuti panduan instalasi
Integrasi melalui API: Gunakan kerangka yang didukung
Optimalkan: Sesuaikan parameter untuk output yang diinginkan
Kasus Penggunaan MiniMax Music 3
- Penulisan Lagu
- Produksi Musik
- Skoring Film
- Soundtrack Game
- Periklanan
