国际 AI 资讯

MiniMax 推出 Music3 音乐生成模型,单次可生成最长 5 分钟歌曲

MiniMax 发布音乐生成模型 MiniMax-Music3,用户输入歌词与音乐描述即可生成最长 5 分钟歌曲,输出 32kHz、16-bit 立体声 WAV 文件。模型采用分层自回归架构,由 8B 全局语言模型与 0.6B 局部语言模型分工完成结构建模与声学细节预测。

海宇数科 · 事件日期 · 约 2 分钟 · 1 次阅读

MiniMax 推出 Music3 音乐生成模型,单次可生成最长 5 分钟歌曲相关配图 1
MiniMax 推出 Music3 音乐生成模型,单次可生成最长 5 分钟歌曲相关配图 1

MiniMax 发布音乐生成模型 MiniMax-Music3,支持以歌词和音乐描述为输入生成完整歌曲,时长上限为 5 分钟,输出格式为 32kHz、16-bit 立体声 WAV 文件。

该模型采用分层自回归架构,由两个语言模型分工承担生成任务。参数规模为 8B 的全局语言模型 Global LLM 逐帧预测第 1 个 RVQ 码本,主要负责建模歌曲的长程语义与结构变化;该模型由 Qwen3-8B 初始化,训练时先调整嵌入层和输出层以适配音乐语义词元,再与局部模型联合建模全部码本。参数规模 0.6B 的局部语言模型 Local LLM 则预测每一帧中其余声学码本,补充细粒度声学信息。

按官方说法,该模型在长音频生成中能够保持音乐主题、节奏、歌声身份和编曲推进,并覆盖前奏、主歌、预副歌、副歌、桥段、器乐间奏、尾奏等歌曲结构。

官方已在 GitHub 发布模型页面,并提供了生成歌曲的示例供试听;模型页面同时托管于 Hugging Face。

← 返回AI 资讯