2026年8月14日，MiniMax 正式推出音乐生成模型 MiniMax-Music3。该模型支持用户输入歌词以及音乐风格描述，即可生成最长 5分钟 的完整歌曲，并输出 32kHz、16-bit立体声 WAV 音频文件。
MiniMax-Music3 的核心能力来自一套分层自回归架构，由两个语言模型协同完成音乐生成。
其中，Global LLM（全局语言模型） 参数规模达到 80亿（8B），主要负责歌曲整体结构和长期语义建模。该模型从 Qwen3-8B 初始化而来，通过训练适配音乐语义词元，负责预测第一个 RVQ（Residual Vector Quantization）码本信息，用于控制歌曲主题、结构变化以及整体音乐走向。
另一个 Local LLM（局部语言模型） 参数规模为 6亿（0.6B），主要负责细节层面的声学信息生成，通过预测其余声学码本，补充旋律、音色、节奏等细节表现。
简单来说，Global LLM 负责搭建歌曲的“骨架”，确定音乐结构和发展方向；Local LLM 则负责填充声音细节，让最终生成的歌曲更加完整自然。
据了解，MiniMax-Music3 在长音频生成方面进行了优化，可以较好保持歌曲主题一致性、节奏稳定性以及演唱风格连贯性。生成内容能够覆盖完整歌曲结构，包括前奏、主歌、预副歌、副歌、桥段、器乐间奏以及尾奏等部分。
目前，MiniMax 已在 GitHub 和 Hugging Face 平台公开模型信息，并提供生成歌曲样例供用户体验。
随着 AI 音乐生成技术不断发展，MiniMax-Music3 进一步降低了音乐创作门槛。用户无需具备专业编曲能力，只需提供歌词和创作方向，即可快速生成结构完整的歌曲作品。
-
广告合作
-
QQ群号：4114653
