MiniMax 发布 Music 3.0 音乐生成模型:单次生成最长五分钟完整歌曲,开放权重并重做生成流水线
MiniMax 发布 Music 3.0 音乐生成模型,可在一次生成中完成作曲、编曲、演唱与制作,支持最长五分钟完整歌曲。模型由八层 RVQ 分词器、8B 全局语言模型与 0.6B 局部语言模型组成,并以开放权重发布,官方称其重点解决情绪走向与编曲一致性。
Music 3.0 单次生成五分钟完整歌曲
MiniMax 发布 Music 3.0,给定创作概念与可选歌词后,可在一次生成中完成作曲、编曲、演唱与制作,并维持最长约五分钟的完整歌曲。 官方称其重点解决提示词最难表达的部分:创作者的表达意图、长段落里的一致性,以及人声是否像被演唱出来。
官方原文称:“Today, we are introducing MiniMax Music 3.0, our next-generation music generation model.”(来源:MiniMax 官方博客)
三个组件
模型由分词器、Hybrid-LM 与合成栈组成。八层 RVQ 分层表示音乐信息;8B 全局语言模型从 Qwen3.5-8B 初始化,逐帧预测语义 token,0.6B 局部语言模型在帧内沿深度方向预测声学 token;随后由 2.4B 流匹配模块与 123M 的 Flow-VAE 完成音频重建。
结构化描述
Music 3.0 用 Structured Captions 按时间细粒度描述风格、速度、拍号、调性与制作特征,同时跟踪情绪走向、主次乐器的进出、低频能量变化,以及各段落在人声表现与和声上的差异。歌词里的 [intro]、[verse]、[chorus] 等段落标签定义宏观结构。
提示增强
官方还提供基于模板的提示增强系统,从结构化字幕模板库中选取措辞,把一句简单描述扩展成更完整的编曲指令,让不熟悉专业术语的创作者也能给出可执行的控制。
整首一次生成,重心前移到描述与筛选
配乐与歌曲小样的产出方式会变:先写清结构与情绪走向,再让模型一次性完成编曲与人声,制作重心前移到描述与筛选。
配乐与歌曲小样
单次生成完整歌曲适合做广告配乐、短剧主题曲与风格参考。官方给出的示例覆盖上海爵士、渐进浩室与体育场摇滚等风格,说明模型能按风格标签调整配器与混音质感。
人声与情绪走向
官方指出同类模型常见的问题是:指定乐器在编曲中逐渐消失、情绪随歌曲推进变弱、要求的人声风格只出现在某一段。Music 3.0 的做法是把这些变化写成生成条件,实际效果仍要按曲目试听判断。
旧流程要改什么
过去按段落分开生成再拼接的做法,可以改成一次生成整首再局部调整。需要与演唱类语音模型配合时,可参考 Fish Audio 发布 Drama 3 语音合成模型:支持方括号表演指令与强调标签,开放权重并采用社区许可。
广告配乐团队可先试,推理显存尚未披露
需要整首歌结构、又不想逐段拼接的创作者值得先试;只做短音效或单句演唱的项目,收益有限。
谁适合先试
广告配乐、短视频音乐与独立音乐人收益最直接。需要多轨编辑与工程内生成的团队,可以参考 Stability AI 为 Stable Audio 3.0 增加 DAW 插件并升级网页版:可在工程内生成、比较与混音多轨音频。
上手步骤
- 先写一段包含风格、速度、调性、配器与情绪走向的概念描述。
- 在歌词里用段落标签标出结构与转折,把人声表现的要求写进对应段落。
- 试听整首后只调整出问题的段落描述,避免每次都重写完整提示。
官方未披露的部分
官方没有给出推理显存、生成时长、并发与商用许可的具体条款,也没有说明权重与代码的获取方式。正式用于商业项目前,请先确认许可与部署条件。
常见问题
- MiniMax Music 3.0 一次能生成多长的歌曲?
- 官方称可维持完整歌曲的表达意图,最长约五分钟。
- Music 3.0 是开放权重模型吗?
- 官方在标题与版本说明中称其为开放权重模型。
- Structured Captions 是什么?
- 一种按时间细粒度描述风格、速度、调性、配器与情绪走向的音乐描述框架。
- 歌词里的段落标签有什么用?
- intro、verse、chorus 等标签定义歌曲宏观结构,配合字幕描述控制每段的变化。
相关术语
- Music 3.0
- MiniMax 的新一代音乐生成模型,可从概念与歌词生成完整歌曲。
- RVQ
- 残差向量量化,用多层码本分层表示音乐信息的离散化方法。
- Structured Captions
- 按时间与段落描述风格、配器与情绪走向的音乐描述框架。
- Flow-VAE
- 把潜变量还原为波形的解码组件,负责最终音频重建。
这篇文章的来源是什么?
文中涉及版本、价格与功能的信息,均以厂商原文为准;下面是可以核对的原始出处。
- MiniMax Music 3.0: Next-Generation Open-Weights, Production-Ready & Versatile Music Model · MiniMax · 2026-11-12
「MiniMax Music 3.0: Next-Generation Open-Weights, Production-Ready & Versatile Music Model」 —— MiniMax
文章目录