MiniMax 音楽生成AI

MiniMax Music 3は、動画モデルMiniMax-H3を手がけるMiniMaxが開発したAI音楽モデルです。MiniMaxAI/MiniMax-Music3としてHugging Faceでオープンウェイトとして公開されています。歌う歌詞と音楽の説明という2つの入力から、最長5分のフル楽曲を生成します。

最大の特長は、あなたの書いた言葉をそのまま歌うことです。多くの音楽生成AIはプロンプトから歌詞を自動で作りますが、MiniMax Music 3は、あなたが書いた歌詞を、タグ付けした順番どおりにセクションごとに歌います。イントロ、Aメロ、プレコーラス、サビ、ブリッジ、ソロ、アウトロなど、構成は自由です。ジャンル、テンポ、キー、歌い手、最初の小節から最後までのアレンジの展開など、それ以外はすべて説明文で指定します。映画音楽から勉強用のビートまで、インストゥルメンタルも作れます。

MageはMiniMax Music 3を、画像・動画・音声の各モデルと並べてブラウザで実行できます。ダウンロードもグラフィックボードも不要です。Mageは独立したクリエイティブプラットフォームで、MiniMaxの一部ではありません。Mageならではの強みは、曲づくりを取り巻く環境です。使い放題のプラン、モデルに重ねて使えるLoRA、作ったものをまとめて保管できるプライベートライブラリ、そして曲をミュージックビデオにできる動画モデルを備えています。

MiniMax Music 3は2つの入力を読み取り、それぞれに役割があります。プロンプトは音楽の説明です。ジャンルやサブジャンル、BPMで表すテンポ、キー、ムードとその変化、誰がどう歌うか、楽器が何をするかを書きます。歌詞は歌う言葉だけです。説明文が歌われることはなく、歌詞がスタイルを決めることもないので、それぞれの役割を分けると曲の仕上がりが最も良くなります。

歌詞では、セクションタグが曲の構成を決めます。[intro]、[verse]、[pre-chorus]、[chorus]、[bridge]、[solo]、[outro]を単独の行に書き、その下に歌う行を続けます。最後のサビの前の[solo]のように、下に何も書かないタグは、インストゥルメンタルのパートになります。何より大事なルールが1つあります。タグと同じ行に書いた言葉は無視されるので、タグの後は必ず改行してください。

こちらのMiniMax Music 3 プロンプトガイドには、説明文の記入用テンプレート、タグ付きの歌詞シート、さまざまなジャンルの実例が載っています。

• セクションタグは単独の行に書く
• オリジナルの歌詞を、歌う1行を1行ずつに
• サビは戻ってくるたびに全文をくり返す
• [outro] を入れて、曲が途切れず終わるようにする

MiniMax では、説明文を3つのパートで書くことを勧めています。1つ目は全体像です。ジャンルとサブジャンル、テンポ、キーとスケール、最初の小節から最後までの感情の流れ、曲が似合うシーン、ミックスの聴こえ方を書きます。2つ目はボーカルです。歌い手の性別、声質と音域、Aメロやサビの歌い方、ハーモニーやバックボーカル、リバーブやディレイなどのエフェクトを書きます。3つ目はアレンジで、タイムラインにして書きます。イントロで鳴る音、最初のサビで入ってくる音、ブリッジで抜ける音、曲の終わり方などです。

歌い手は必ず書いてください。MiniMax によると、声についての記述がない曲は、インストゥルメンタルになってしまうことがあります。細部も自分で決めましょう。指定しなかった部分は、モデルがもっとも平均的な選択で埋めるため、「アコースティックポップ」だけでは平凡なアレンジになります。一方、「インディーフォークポップのバラード、84 BPM、Gメジャー、Aメロはフィンガーピッキングのギターとフェルトピアノ、最初のサビでチェロとブラシドラム」と書けば、頭の中で鳴っている曲に近づきます。

説明文からモデルが歌詞を書く曲には、代わりにEleven Musicを使ってください。MiniMax Music 3 は、自分で書いた歌詞のためのモデルです。

• まずジャンル、テンポ、キー
• 歌い手と歌い方を書く
• アレンジはセクションごとに組み立てる
• ミックスも説明する：温かい、広い、ラフ、洗練など

「長さ」の設定は、曲が最長でどこまで続けられるかを決めるもので、上限は5分です。これは目標ではなく上限です。歌詞とアレンジが終わると、MiniMax Music 3 は自分で曲を終わらせます。歌詞が短ければ、長さをどう設定しても短い曲になります。逆に、歌詞が長いのに長さが短いと、上限で切れてしまい、歌詞の途中で終わることもあります。

そのため、ほしい長さに合わせて歌詞を用意しましょう。目安は、1番とサビで約1分、2番まで入れてサビ3回とブリッジがあれば3〜4分です。おすすめの流れは、短い長さと1番・サビだけの歌詞で説明文を試し、サウンドが決まったらシードを残して、フルサイズの曲を生成することです。

ボーカルなしの音楽にするなら、歌詞を空にするか「インストゥルメンタル」をオンにして、説明文はすべて音楽に使いましょう。楽器は入ってくる順に、キーと転調、空間の響き、曲の終わり方も書きます。孤独なチェロで始まりフルオーケストラへ盛り上がるシネマティックなスコアも、ほこりっぽいエレピとレコードのノイズが入ったローファイな勉強用ビートも、歌うのと同じモデルで作れます。

短い効果音や環境音には、Seed Audioのほうが向いています。BGMやループについては、AI音楽生成のページをご覧ください。

MiniMax Music 3 はオープンウェイトなので、コミュニティがLoRAを作っています。LoRAは、モデルを特定のジャンルやプロダクションスタイル、ボーカルの個性に寄せる小さな追加ファイルです。曲の組み立て方を変えるものもあれば、サウンドを変えるものもあります。Mageでは、モデルに重ねて使えます。MiniMax Music 3 用LoRAの Hugging Face または CivitAI のリンクをインポートページに貼ると、MiniMax Music 3 のLoRA選択に表示されます。

新しいLoRAは重み1から始め、歌詞や構成が崩れてきたら下げてください。トリガーワードを使って学習されたLoRAなら、そのワードを説明文に入れましょう。

オープンウェイトとは、誰でも Hugging Face から MiniMax Music 3 をダウンロードして自分で動かせるということです。ただ実際には、80億パラメータの言語モデルとフローマッチングの音声モデルを組み合わせるため、高性能なグラフィックカード、数十GBのモデルファイル、動作する環境が必要で、5分の曲を作るとそのカードが数分間埋まります。

Mageなら、スマホを含むどんなデバイスでもブラウザで動き、LoRAにも対応済みです。さらにMageでは同じアカウントで動画モデルも使えるので、ここで作った曲をクリップのサウンドトラックにできます。AIミュージックビデオ生成なら、曲を保存したキャラクターによるパフォーマンスに変えられます。

MiniMax Music 3 の料金は、選んだ長さ（曲が最長で続けられる時間）で決まります。有料プランでは、曲の長さがプランの対象範囲に収まっていれば Gem を使わずに生成でき、上位プランほど長い曲に対応します。使い放題の生成は標準キューで実行されます。

プランに加入していない場合や、プランの対象より長い曲の場合、MiniMax Music 3 は Gem で実行され、生成前に料金が表示されます。Gem パックは10,000 Gem が $10 から。有料プランにはすべて毎月の Gem が含まれ、Pro では1,500 Gem です。

各プランの対象範囲はメンバーシップページで比較できます。曲の長さごとに必要なプランはMiniMax Music 3 のモデルページでご確認ください。