MiniMax KI-Musikgenerator

MiniMax Music 3 ist ein KI-Musikmodell von MiniMax, dem Labor hinter dem Videomodell MiniMax-H3. MiniMax hat es mit offenen Gewichten (Open Weights) auf Hugging Face als MiniMaxAI/MiniMax-Music3 veröffentlicht. Es schreibt komplette Songs von bis zu fünf Minuten aus zwei Dingen, die du ihm gibst: den Lyrics, die gesungen werden sollen, und einer Beschreibung der Musik.

Das Besondere: Es singt deine Worte. Die meisten Musikgeneratoren erfinden aus einem Prompt eigene Texte; MiniMax Music 3 dagegen performt das Lyric Sheet, das du geschrieben hast, Abschnitt für Abschnitt, in der Reihenfolge deiner Tags: Intro, Strophen, Pre-Chorus, Refrains, Bridge, Solo und Outro. Die Beschreibung legt alles andere fest, vom Genre über Tempo und Tonart bis zur Stimme und dazu, wie sich das Arrangement vom ersten bis zum letzten Takt aufbaut. Auch Instrumentals sind möglich, von Filmmusik bis zu Beats zum Lernen.

Mage lässt MiniMax Music 3 in deinem Browser laufen, neben den übrigen Bild-, Video- und Audiomodellen. Du musst also nichts herunterladen und brauchst keine eigene Grafikkarte. Mage ist eine unabhängige Kreativplattform und gehört nicht zu MiniMax. Dazu bekommst du alles rund um den Song: unbegrenzte Pläne, LoRAs on top, eine private Bibliothek für alles, was du erstellst, und Videomodelle, die aus dem Track ein Musikvideo machen können.

MiniMax Music 3 liest zwei Eingaben, und jede hat genau eine Aufgabe. Der Prompt beschreibt die Musik: Genre und Subgenre, das Tempo in Schlägen pro Minute, die Tonart, die Stimmung und wie sie sich verändert, wer singt und wie, und was die Instrumente tun. Die Lyrics sind die Worte zum Singen und sonst nichts. Die Beschreibung wird nie gesungen, und die Lyrics bestimmen nie den Stil. Ein Song gelingt also am besten, wenn jede Eingabe in ihrer Spur bleibt.

In den Lyrics geben Abschnitts-Tags dem Song seine Form. Schreib [intro], [verse], [pre-chorus], [chorus], [bridge], [solo] oder [outro] allein in eine Zeile, mit den gesungenen Zeilen darunter. Ein Tag ohne Text darunter, etwa ein [solo] vor dem letzten Refrain, lässt Platz für einen instrumentalen Teil. Eine Regel ist wichtiger als alle anderen: Worte, die in derselben Zeile wie ein Tag stehen, werden verworfen. Beginne nach dem Tag also immer eine neue Zeile.

Der Prompting-Leitfaden für MiniMax Music 3 enthält eine Vorlage zum Ausfüllen für die Beschreibung, Songtexte mit Tags und Beispiele in mehreren Genres.

• Abschnitts-Tags allein in einer Zeile
• Eigene Lyrics, eine gesungene Zeile pro Zeile
• Den Refrain bei jeder Wiederkehr komplett wiederholen
• Ein [outro], damit der Song endet, statt abzubrechen

MiniMax empfiehlt eine Beschreibung in drei Teilen. Erstens das Gesamtbild: Genre und Subgenre, Tempo, Tonart und Tonleiter, der emotionale Bogen vom ersten bis zum letzten Takt, eine Szene, in der der Song laufen könnte, und wie der Mix klingen soll. Zweitens der Gesang: Geschlecht, Klangfarbe und Stimmlage der Sängerin oder des Sängers, wie Strophen und Refrain vorgetragen werden, eventuelle Harmonien oder Backing-Vocals und Effekte wie Hall oder Delay. Drittens das Arrangement als Zeitleiste: was im Intro spielt, was beim ersten Refrain einsetzt, was in der Bridge wegfällt und wie der Song endet.

Beschreibe immer die Stimme. MiniMax weist darauf hin, dass ein Song, dessen Beschreibung die Stimme auslässt, leicht zum Instrumental werden kann. Und entscheide die Details selbst: Was du offenlässt, füllt das Modell mit seiner durchschnittlichsten Wahl. „Acoustic Pop“ ergibt ein austauschbares Arrangement, während „Indie-Folk-Pop-Ballade, 84 BPM, G-Dur, gezupfte Gitarre und Filzklavier in den Strophen, Cello und Besenschlagzeug beim ersten Refrain“ den Song liefert, den du im Kopf hörst.

Für einen Song, dessen Songtext das Modell selbst aus einer Beschreibung schreibt, nimm stattdessen Eleven Music. MiniMax Music 3 ist das Modell für Lyrics, die du selbst geschrieben hast.

• Zuerst Genre, Tempo und Tonart
• Nenne die Stimme und den Vortrag
• Beschreibe das Arrangement Abschnitt für Abschnitt
• Beschreibe den Mix: warm, breit, roh oder poliert

Die Einstellung Länge ist die maximale Dauer des Songs, bis zu fünf Minuten. Sie ist ein Limit, kein Ziel: MiniMax Music 3 beendet den Song von selbst, wenn Lyrics und Arrangement fertig sind. Ein kurzer Songtext ergibt einen kurzen Song, egal welche Länge eingestellt ist, und ein langer Songtext bei kurzer Länge wird am Limit abgeschnitten, sogar mitten in einer Zeile.

Plane die Lyrics also passend zur gewünschten Länge. Etwa eine Strophe und ein Refrain füllen eine Minute; zwei Strophen, drei Refrains und eine Bridge füllen drei bis vier. Praktisch ist dieser Ablauf: Probiere die Beschreibung mit kurzer Länge und nur einer Strophe samt Refrain aus, behalte den Seed, wenn der Sound stimmt, und rendere dann den ganzen Song.

Für Musik ohne Gesang lässt du die Lyrics leer oder aktivierst Instrumental und widmest die ganze Beschreibung der Musik. Nenne die Instrumente in der Reihenfolge, in der sie einsetzen, die Tonart und jeden Tonartwechsel, den Raum und wie das Stück endet. Ein Filmscore, der mit einem einsamen Cello beginnt und sich zum vollen Orchester steigert, oder ein Lo-Fi-Study-Beat mit staubigem E-Piano und Vinylknistern: Beides kommt aus demselben Modell, das auch singt.

Für kurze Soundeffekte und Atmosphäre ist Seed Audio das bessere Tool, und Musikbetten und Loops findest du auf der Seite zum KI-Musikgenerator: siehe KI-Musikgenerator.

Weil MiniMax Music 3 offene Gewichte hat, trainiert die Community LoRAs dafür: kleine Zusatzdateien, die das Modell in Richtung eines Genres, eines Produktionsstils oder eines Stimmcharakters lenken. Manche verändern, wie der Song geplant wird, andere, wie er klingt. Auf Mage arbeiten sie auf dem Modell auf. Füge auf der Seite Import den Hugging-Face- oder CivitAI-Link eines MiniMax-Music-3-LoRA ein, und es erscheint in der LoRA-Auswahl für MiniMax Music 3.

Starte ein neues LoRA mit Gewicht 1 und senke es, wenn der Song anfängt, die Lyrics oder die Struktur zu verlieren. Wurde ein LoRA mit einem Trigger-Wort trainiert, setze dieses Wort in die Beschreibung.

Offene Gewichte bedeuten, dass jeder MiniMax Music 3 von Hugging Face herunterladen und selbst ausführen kann. In der Praxis braucht ein Sprachmodell mit 8 Milliarden Parametern, kombiniert mit einem Flow-Matching-Audiomodell, eine leistungsstarke Grafikkarte, Dutzende Gigabyte an Modelldateien und ein funktionierendes Setup, und ein Song von fünf Minuten beschäftigt diese Karte minutenlang.

Auf Mage läuft es im Browser auf jedem Gerät, auch auf dem Smartphone, mit fertiger LoRA-Unterstützung. Und weil Mage Videomodelle im selben Account bietet, kann ein Song von hier zum Soundtrack eines Clips werden: Der KI-Musikvideo-Generator macht aus einem Track einen Auftritt deiner gespeicherten Characters.

MiniMax Music 3 wird nach der gewählten Länge abgerechnet, also der maximalen Dauer des Songs. Mit einem kostenpflichtigen Plan läuft ein Song ohne Gems, wenn seine Länge zu dem passt, was der Plan abdeckt; höhere Pläne decken längere Songs ab. Unbegrenzte Generierungen nutzen die Standard-Warteschlange.

Ohne Plan oder bei einem Song, der länger ist als dein Plan abdeckt, läuft MiniMax Music 3 mit Gems, und der Preis wird vor dem Generieren angezeigt. Gem-Pakete beginnen bei 10 $ für 10.000 Gems, und jeder kostenpflichtige Plan enthält monatliche Gems, bei Pro sind es 1.500.

Vergleiche auf der Mitgliedschaftsseite, was jeder Plan abdeckt, oder sieh dir die Modellseite von MiniMax Music 3 an, um zu sehen, welcher Plan welche Songlänge abdeckt.