MiniMax-Music3 音乐模型发布：AI 生成最长 5 分钟歌曲
IT之家 8 月 14 日消息，AI 公司 MiniMax 今天（8 月 14 日）推出音乐生成模型 MiniMax-Music3，**可根据歌词和音乐描述生成最长 5 分钟的完整歌曲。**
架构方面，MiniMax-Music3 模型采用分层自回归架构：
- **Global LLM（全局语言模型）**：参数规模为 8B，逐帧预测第 1 个 RVQ 码本，负责建模歌曲的长程语义与结构变化；全球 LLM 基于 Qwen3-8B 初始化，训练时先适配音乐语义词元的嵌入层和输出层，随后与 Local LLM 联合建模全部 RVQ 码本。
- **Local LLM（局部语言模型）**：参数规模为 0.6B，预测每一帧中其余声学码本，恢复细粒度声学信息。
该模型生成的单首歌曲时长最长为 5 分钟，输出格式为 32kHz、16-bit 立体声 WAV 文件。
官方称，模型能够在长音频中保持音乐主题、节奏、歌声身份和编曲推进，覆盖前奏、主歌、预副歌、副歌、桥段、器乐间奏和尾奏等结构。
### IT之家附上参考地址
- [MiniMax Music3 模型生成的歌曲示例](https://minimax-ai.github.io/music3-demo/)
- [MiniMax Music3 模型的 GitHub 页面](https://github.com/MiniMax-AI/MiniMax-Music3)
---
原文链接：[点击查看](https://www.ithome.com/0/989/722.htm)
架构方面，MiniMax-Music3 模型采用分层自回归架构：
- **Global LLM（全局语言模型）**：参数规模为 8B，逐帧预测第 1 个 RVQ 码本，负责建模歌曲的长程语义与结构变化；全球 LLM 基于 Qwen3-8B 初始化，训练时先适配音乐语义词元的嵌入层和输出层，随后与 Local LLM 联合建模全部 RVQ 码本。
- **Local LLM（局部语言模型）**：参数规模为 0.6B，预测每一帧中其余声学码本，恢复细粒度声学信息。
该模型生成的单首歌曲时长最长为 5 分钟，输出格式为 32kHz、16-bit 立体声 WAV 文件。
官方称，模型能够在长音频中保持音乐主题、节奏、歌声身份和编曲推进，覆盖前奏、主歌、预副歌、副歌、桥段、器乐间奏和尾奏等结构。
### IT之家附上参考地址
- [MiniMax Music3 模型生成的歌曲示例](https://minimax-ai.github.io/music3-demo/)
- [MiniMax Music3 模型的 GitHub 页面](https://github.com/MiniMax-AI/MiniMax-Music3)
---
原文链接：[点击查看](https://www.ithome.com/0/989/722.htm)
评论
暂无评论。