MiniMax 推出開放權重 MiniMax-Music3，生成最長五分鐘完整歌曲

MiniMax 推出開放權重 MiniMax-Music3，生成最長五分鐘完整歌曲。 MiniMax Music 3 的發表橫幅，背景為帶有羽毛紋理的紫色漸層，中央以白色字樣標示主標題與「Next-Generation Open-Weights Production-Ready & Versatile Music Model」副標題。 模型定位 MiniMax 透過 Hugging Face、GitHub 與 魔搭 分享模型。它可根據歌詞與音樂描述，生成最長五分鐘、32 kHz、16-bit 立體聲 WAV 完整歌曲，維持主題、節奏、人聲識別與編曲發展。 紫色背景宣傳海報，中央醒目顯示白色大字「MiniMax Music 3」，下方標註「Next-Generation Open-Weights Production-Ready & Versatile Music Model」產品定位說明。 控制方式 歌詞可加入 [Intro]、[Verse]、[Chorus]、[Bridge] 等段落標籤；音樂描述則指定曲風、情緒、人聲、樂器與製作風格。官方建議使用包含 Global Metadata、Vocal Details、Arrangement 的 Structured Caption，細化歌曲各段落的變化。 混合語言模型架構圖，上方顯示 Flow-Matching 與 Flow VAE Decoder 的 Synthesis 區塊，中間包含 Global LLM、Local LLM 與 Hidden state 和 Stop Token，下方則為 Structured Caption 與 Lyrics 的 Input Conditions 區塊。 技術架構 模型以 8B Global LLM 處理長距離結構，0.6B Local LLM 還原每個 frame 的聲學細節，再融合 hidden states，經過 Flow Matching（2.4B）與 Flow-VAE Decoder（123M）合成音訊。訓練 tokenizer 使用八層 RVQ，第一層有 16,384 個語意 codebook entries，其餘七層各有 1,024 個聲學 entries。 部署與操作 官方文件提供以下流程： 下載模型： `bash hf download MiniMaxAI/MiniMax-Music3 --local-dir /path/to/minimax_ttm ` 啟動 SGLang-Omni： `bash sgl-omni serve --model-path MiniMaxAI/MiniMax-Music3 --port 8000 ` 呼叫 API 生成音訊： `bash curl http://127.0.0.1:8000/v1/audio/speech \ -H 'Content-Type: application/json' \ -d '{ "model": "MiniMaxAI/MiniMax-Music3", "input": "[Verse]\nMorning light filtering through the pine\n[Chorus]\nSoftly the world begins to breathe", "instructions": "A warm acoustic pop song with intimate female vocals, fingerpicked guitar, soft piano, and a gradual emotional build into a wide final chorus.", "response_format": "wav", "seed": 7, "maxnewtokens": 750, "stream": false }' \ --output minimax_music3.wav ` Prompt 強化與限制 music-caption-rewriter skill 可將簡短描述擴展成 Structured Caption，安裝指令為： `bash npx skills add MiniMax-AI/MiniMax-Music3 --skill music-caption-rewriter ` 目前推論需要兩張 CUDA GPU，僅支援非串流生成；文字 prompt 上限為 5,000 tokens、音訊上限為 9,000 acoustic frames，段落標籤與描述只提供生成控制，無法保證完全符合指定速度、調性、歌詞或結構。原文：https://easyvibecoding.app/curated/2958-minimax-launches-open-weight-music-model-five-minute-songs