Descrição
MiniMax Music 3 é um modelo sofisticado de geração musical projetado para criar canções completas com duração de até cinco minutos. Este modelo é condicionado tanto por letras quanto por uma descrição musical detalhada, permitindo gerar canções estruturalmente coerentes com vocais expressivos, arranjos em evolução e qualidade de áudio estável em longas durações. O modelo combina um LLM Global de 8B para estrutura musical de longo alcance e um LLM Local de 0,6B para detalhes acústicos em nível de quadro, utilizando um sistema de síntese de estado oculto contínuo baseado em Flow Matching e Flow-VAE. Ele produz áudio WAV estéreo de 32 kHz e 16 bits.
Ler mais
O modelo suporta a geração de canções completas, mantendo temas musicais, ritmo, identidade vocal e progressão de arranjos ao longo de longas sequências. Ele permite estruturas completas como introdução, verso, pré-refrão, refrão, ponte, pausa instrumental e final. Os usuários podem inserir letras com tags de seção explícitas e uma descrição musical que define o estilo musical, a progressão emocional, a performance vocal, a instrumentação, o arranjo e o perfil de produção.
MiniMax Music 3 emprega uma arquitetura autoregressiva hierárquica que separa a modelagem musical global da modelagem acústica local. O LLM Global prevê o primeiro quadro do código RVQ quadro a quadro, modelando a progressão semântica e estrutural de longo alcance da canção. O LLM Local prevê os códigos acústicos restantes dentro de cada quadro, restaurando informações acústicas detalhadas.
O módulo de síntese do modelo funde os estados ocultos finais dos LLMs Global e Local, preservando informações acústicas mais ricas para articulação vocal, textura instrumental e continuidade temporal. A arquitetura Flow-VAE é adaptada do MiniMax Speech e re-treinada para a faixa dinâmica e características espectrais da música.
MiniMax Music 3 é suportado pelo SGLang-Omni e pode ser utilizado com várias estruturas de inferência, como SGLang, diffusers e ComfyUI. Ele requer CUDA para inferência e atualmente suporta apenas geração não contínua. O prompt de texto tokenizado é limitado a 5.000 tokens, e a geração de áudio é limitada a 9.000 quadros acústicos.
- CategoriaGeradores de música com IA
- Modelo de preçosCódigo aberto
- ImplantaçãoNuvem
- PlataformasWeb
Destaques de MiniMax Music 3
Geração musical de alto desempenho
Suporta geração de canções completas de até cinco minutos
Combina LLMs Global e Local
Produz áudio WAV estéreo de 32 kHz e 16 bits
Arquitetura autoregressiva hierárquica
Síntese de estado oculto contínua
Arquitetura Flow-VAE
Suporta SGLang-Omni e outras estruturas
Primeiros passos com MiniMax Music 3
Acessar modelo: Visite Hugging Face
Autenticar: Configurar conta
Configurar ambiente: Seguir guia de instalação
Integrar via API: Usar estruturas suportadas
Otimizar: Ajustar parâmetros para saída desejada
Casos de uso de MiniMax Music 3
- Composição de Canções
- Produção Musical
- Trilha Sonora de Filmes
- Trilhas Sonoras de Jogos
- Publicidade
