MiniMax مولّد الموسيقى بالذكاء الاصطناعي

MiniMax Music 3 هو نموذج موسيقى بالذكاء الاصطناعي من MiniMax، المختبر نفسه الذي يقف وراء نموذج الفيديو MiniMax-H3. أصدرته MiniMax بأوزان مفتوحة على Hugging Face باسم MiniMaxAI/MiniMax-Music3. يكتب أغاني كاملة تصل مدتها إلى خمس دقائق انطلاقًا من شيئين تقدمهما له: الكلمات التي ستُغنّى، ووصف للموسيقى.

ما يميّزه أنه يغنّي كلماتك أنت. معظم مولّدات الموسيقى تكتب كلماتها الخاصة انطلاقًا من وصف؛ أما MiniMax Music 3 فيؤدي نص الأغنية الذي كتبته، قسمًا بعد قسم وبالترتيب الذي تحدده بالوسوم: مقدمة، ومقاطع، وما قبل الكورَس، وكورَس، وجسر، وسولو، وخاتمة. ويحدد الوصف كل ما عدا ذلك، من النوع الموسيقي والإيقاع والمقام إلى المغنّي وكيف يتطور التوزيع من أول مازورة إلى آخرها. كما ينتج مقطوعات موسيقية بدون غناء، من موسيقى الأفلام إلى إيقاعات المذاكرة.

يشغّل Mage نموذج MiniMax Music 3 في متصفحك إلى جانب بقية نماذج الصور والفيديو والصوت، فلا حاجة لتنزيل أي شيء ولا لامتلاك بطاقة رسوميات. Mage منصة إبداعية مستقلة وليست جزءًا من MiniMax. وما تضيفه هو كل ما يحيط بالأغنية: خطط غير محدودة، وLoRA فوق النموذج، ومكتبة خاصة لكل ما تصنعه، ونماذج فيديو تحوّل المقطوعة إلى فيديو موسيقي.

يقرأ MiniMax Music 3 مُدخلين، ولكل منهما مهمة واحدة. الوصف يشرح الموسيقى: النوع الموسيقي والنوع الفرعي، والإيقاع بعدد النبضات في الدقيقة، والمقام، والمزاج وكيف يتغير، ومن يغنّي وكيف، وماذا تفعل الآلات. أما الكلمات فهي النص الذي سيُغنّى فقط، ولا شيء غيره. الوصف لا يُغنّى أبدًا، والكلمات لا تحدد الأسلوب أبدًا، لذلك تخرج الأغنية بأفضل شكل حين يلتزم كل منهما بدوره.

في الكلمات، تمنح وسوم الأقسام الأغنية شكلها. اكتب [intro] أو [verse] أو [pre-chorus] أو [chorus] أو [bridge] أو [solo] أو [outro] وحده في سطر، وتحته الأسطر التي ستُغنّى. أما الوسم الذي لا يليه شيء، مثل [solo] قبل الكورَس الأخير، فيترك مساحة لمقطع موسيقي بلا غناء. وهناك قاعدة أهم من غيرها: الكلمات المكتوبة في السطر نفسه مع الوسم تُهمَل، لذا ابدأ دائمًا سطرًا جديدًا بعد الوسم.

يضم دليل كتابة الأوامر لـ MiniMax Music 3 قالبًا جاهزًا لوصف الأغنية، وكلمات مقسّمة بوسوم، وأمثلة تطبيقية في عدة أنواع موسيقية.

• وسوم الأقسام في سطر مستقل
• كلمات أصلية، وكل سطر مغنّى في سطر واحد
• كرّر الكورس كاملًا في كل مرة يعود فيها
• أضف [outro] لتنتهي الأغنية بدل أن تتوقف فجأة

توصي MiniMax بوصف من ثلاثة أجزاء. الأول: الصورة العامة، أي النوع الموسيقي والنوع الفرعي، والإيقاع، والمقام والسلّم، والمسار العاطفي من أول مازورة إلى آخرها، ومشهد تصلح له الأغنية، وكيف يجب أن يبدو المزج. الثاني: الغناء، أي جنس المغنّي ولون صوته ومداه، وطريقة أدائه للمقاطع والكورس، وأي تناغمات أو أصوات مساندة، والمؤثرات مثل الريفيرب أو الديلاي. الثالث: التوزيع الموسيقي على شكل جدول زمني: ماذا يُعزف في المقدمة، وماذا يدخل عند الكورس الأول، وما الذي يغيب في الجسر، وكيف تنتهي الأغنية.

صِف المغنّي دائمًا. تشير MiniMax إلى أن الأغنية التي يخلو وصفها من الصوت قد تنحرف إلى مقطوعة موسيقية بلا غناء. وحدّد التفاصيل بنفسك: كل ما تتركه مفتوحًا يملؤه النموذج بأكثر الخيارات عمومية، فوصف مثل "acoustic pop" يعطي توزيعًا عاديًا، بينما "indie folk pop ballad, 84 BPM, G major, fingerpicked guitar and felt piano in the verses, cello and brushed drums at the first chorus" يعطي الأغنية التي تسمعها في خيالك.

للأغنية التي يكتب النموذج كلماتها من وصف، استخدم Eleven Music بدلًا منه. أما MiniMax Music 3 فهو النموذج المناسب للكلمات التي كتبتها بنفسك.

• ابدأ بالنوع الموسيقي والإيقاع والمقام
• حدّد المغنّي وطريقة الأداء
• وزّع الترتيب الموسيقي قسمًا بقسم
• صِف المزج: دافئ، واسع، خام أو مصقول

يحدد إعداد الطول أقصى مدة يمكن أن تستغرقها الأغنية، وحتى خمس دقائق. وهو حدّ أعلى وليس هدفًا: ينهي MiniMax Music 3 الأغنية من تلقاء نفسه عندما تكتمل الكلمات والتوزيع. الكلمات القصيرة تعطي أغنية قصيرة مهما كان الطول المحدد، أما الكلمات الطويلة مع طول قصير فتُقطع عند الحد الأقصى، حتى لو كان ذلك في منتصف سطر.

لذا خطّط للكلمات بحسب الطول الذي تريده. تقريبًا يملأ مقطع وكورس دقيقة واحدة، ويملأ مقطعان وثلاثة كورسات وجسر ثلاث دقائق أو أربعًا. وسير العمل العملي هو تجربة الوصف بطول قصير ومقطع وكورس واحد، ثم الاحتفاظ بالـ seed عندما يعجبك الصوت، ثم إنتاج الأغنية كاملة.

للموسيقى بلا غناء، اترك الكلمات فارغة أو فعّل خيار موسيقى بدون غناء، واصرف الوصف كله على الموسيقى. اذكر الآلات بترتيب دخولها، والمقام وأي تغيير فيه، والمساحة الصوتية، وكيف تنتهي المقطوعة. موسيقى تصويرية سينمائية تبدأ بتشيلو منفرد وتتصاعد إلى أوركسترا كاملة، أو إيقاع lo-fi للمذاكرة مع بيانو كهربائي عتيق وطقطقة أسطوانات الفينيل، كلاهما يخرج من النموذج نفسه الذي يغني.

للمؤثرات الصوتية القصيرة والأجواء الصوتية، Seed Audio هو الأداة الأنسب، وتتناول صفحة مولّد الموسيقى بالذكاء الاصطناعي الخلفيات الموسيقية والمقاطع المتكررة: راجع مولّد الموسيقى بالذكاء الاصطناعي.

لأن أوزان MiniMax Music 3 مفتوحة، يدرّب مجتمعه إضافات LoRA له: ملفات صغيرة تدفع النموذج نحو نوع موسيقي أو أسلوب إنتاج أو شخصية صوتية. بعضها يغيّر طريقة تخطيط الأغنية وبعضها يغيّر شكل صوتها. في Mage تعمل هذه الإضافات فوق النموذج. الصق رابط LoRA لـ MiniMax Music 3 من Hugging Face أو CivitAI في صفحة الاستيراد، فيظهر في قائمة اختيار LoRA الخاصة بـ MiniMax Music 3.

ابدأ بأي LoRA جديد بوزن 1، وخفّضه إذا بدأت الأغنية تفقد الكلمات أو البنية. وإذا كان الـ LoRA مدرّبًا على كلمة تفعيل، فأضف هذه الكلمة إلى الوصف.

الأوزان المفتوحة تعني أن بإمكان أي شخص تنزيل MiniMax Music 3 من Hugging Face وتشغيله بنفسه. لكن عمليًا، يتطلب نموذج لغوي بثمانية مليارات معامل مع نموذج صوتي من نوع flow-matching بطاقة رسومات قوية وعشرات الجيجابايتات من ملفات النموذج وإعدادًا يعمل بشكل سليم، كما تشغل أغنية مدتها خمس دقائق هذه البطاقة لعدة دقائق.

على Mage يعمل النموذج في المتصفح على أي جهاز، بما في ذلك الهاتف، مع دعم LoRA جاهز. ولأن Mage تضم نماذج فيديو في الحساب نفسه، يمكن أن تتحول أغنيتك إلى موسيقى تصويرية لمقطع فيديو: مولّد فيديو الموسيقى بالذكاء الاصطناعي يحوّل المقطع الصوتي إلى أداء تؤديه شخصياتك المحفوظة.

يُحتسب سعر MiniMax Music 3 بحسب الطول الذي تختاره، وهو أقصى مدة يمكن أن تستغرقها الأغنية. في الخطة المدفوعة، تُنتج الأغنية بلا Gems عندما يدخل طولها ضمن ما تغطيه الخطة، والخطط الأعلى تغطي أغاني أطول. التشغيل غير المحدود يستخدم الطابور العادي.

بدون خطة، أو لأغنية أطول مما تغطيه خطتك، يعمل MiniMax Music 3 بالـ Gems، ويظهر السعر قبل الإنتاج. تبدأ باقات Gems من 10$ مقابل 10,000 Gem، وتتضمن كل خطة مدفوعة Gems شهرية، منها 1,500 في خطة Pro.

قارن ما تغطيه كل خطة في صفحة العضوية، أو افتح صفحة نموذج MiniMax Music 3 لمعرفة الخطة التي تغطي كل طول أغنية.