MiniMax Music — нейросеть для создания музыки

MiniMax Music 3 — это музыкальная нейросеть от MiniMax, лаборатории, которая создала и видеомодель MiniMax-H3. Модель опубликована с открытыми весами на Hugging Face под названием MiniMaxAI/MiniMax-Music3. Она пишет цельные песни длиной до пяти минут по двум вводным: тексту, который нужно спеть, и описанию музыки.

Главное её отличие в том, что она поёт именно ваши слова. Большинство музыкальных генераторов сами сочиняют текст по промпту, а MiniMax Music 3 исполняет написанный вами текст по частям, в том порядке, в каком вы их разметили: вступление, куплеты, пред-припев, припевы, бридж, соло и завершение. Всё остальное задаёт описание: от жанра, темпа и тональности до вокалиста и того, как аранжировка развивается от первого такта до последнего. Ещё модель делает инструменталы — от музыки для кино до битов для учёбы.

Mage запускает MiniMax Music 3 в браузере рядом с остальными моделями для изображений, видео и звука, поэтому ничего скачивать не нужно и видеокарта не требуется. Mage — независимая творческая платформа, а не часть MiniMax. Она добавляет всё, что нужно вокруг песни: безлимитные тарифы, LoRA поверх модели, личную библиотеку всего созданного и видеомодели, которые превратят трек в музыкальный клип.

MiniMax Music 3 принимает два вводных, и у каждого своя задача. Промпт описывает музыку: жанр и поджанр, темп в ударах в минуту, тональность, настроение и его изменения, кто поёт и как, и что делают инструменты. Текст песни — это только слова для исполнения. Описание никогда не поётся, а текст не задаёт стиль, поэтому лучше всего получается, когда каждое поле занимается своим делом.

В тексте форму песне задают теги частей. Пишите [intro], [verse], [pre-chorus], [chorus], [bridge], [solo] или [outro] отдельной строкой, а строки для исполнения — под ней. Тег без текста под ним, например [solo] перед последним припевом, оставляет место для инструментальной вставки. Одно правило важнее остальных: слова, написанные в одной строке с тегом, отбрасываются, поэтому после тега всегда начинайте новую строку.

В руководстве по промптам для MiniMax Music 3 есть шаблон для описания, примеры текстов песен с тегами и разобранные примеры в разных жанрах.

• Теги секций — отдельно, на своих строках
• Оригинальный текст: одна поющаяся строка на одну строку
• Каждый раз пишите припев целиком, когда он повторяется
• Добавьте [outro], чтобы песня закончилась, а не оборвалась

MiniMax рекомендует описание из трёх частей. Первая — общая картина: жанр и поджанр, темп, тональность и лад, эмоциональная дуга от первого такта до последнего, сцена, в которой звучала бы песня, и звучание микса. Вторая — вокал: пол певца, тембр и регистр, подача в куплетах и припеве, гармонии или бэк-вокал, а также эффекты вроде реверберации или дилея. Третья — аранжировка в виде таймлайна: что играет во вступлении, что появляется на первом припеве, что пропадает в бридже и чем заканчивается песня.

Всегда описывайте певца. MiniMax отмечает, что песня без описания голоса может превратиться в инструментал. И решайте детали сами: всё, что вы оставите открытым, модель заполнит самым усреднённым вариантом. Так, «акустик-поп» даст типовую аранжировку, а «инди-фолк-поп-баллада, 84 BPM, соль мажор, акустическая гитара перебором и фелтед-пианино в куплетах, виолончель и мягкие барабаны щётками на первом припеве» даст ту песню, которую вы слышите в голове.

Если нужна песня, текст которой модель пишет сама по описанию, используйте Eleven Music. MiniMax Music 3 — модель для текстов, которые вы написали сами.

• Сначала жанр, темп и тональность
• Назовите певца и манеру подачи
• Распишите аранжировку по секциям
• Опишите микс: тёплый, широкий, сырой или отполированный

Настройка «Длительность» задаёт максимум, сколько может звучать песня, — до пяти минут. Это ограничение, а не цель: MiniMax Music 3 сама завершает песню, когда текст и аранжировка закончились. Короткий текст даст короткую песню при любой длительности, а длинный текст при короткой длительности будет обрезан на пределе, даже посреди строки.

Поэтому планируйте текст под нужную длину. Примерно куплет и припев занимают минуту; два куплета, три припева и бридж занимают три-четыре. Удобно сначала проверить описание с короткой длительностью и одним куплетом с припевом, сохранить seed, когда звук вас устроит, и затем создать полную песню.

Для музыки без вокала оставьте текст пустым или включите «Инструментал» и потратьте всё описание на музыку. Назовите инструменты в порядке их появления, тональность и смену тональности, акустику помещения и то, как заканчивается пьеса. Кинематографичный саундтрек, который начинается с одинокой виолончели и вырастает до полного оркестра, или лоу-фай бит для учёбы с пыльным электропиано и треском винила — всё это делает та же модель, что и поёт.

Для коротких звуковых эффектов и атмосферы лучше подходит Seed Audio, а музыкальные подложки и лупы разобраны на странице «Нейросеть для создания музыки».

Поскольку у MiniMax Music 3 открытые веса, сообщество обучает для неё LoRA — небольшие дополнительные файлы, которые сдвигают модель к определённому жанру, стилю продакшена или характеру голоса. Одни меняют то, как планируется песня, другие — как она звучит. В Mage они работают поверх модели. Вставьте ссылку на LoRA для MiniMax Music 3 с Hugging Face или CivitAI на странице импорта, и она появится в списке LoRA для MiniMax Music 3.

Начинайте с веса 1 для новой LoRA и уменьшайте его, если песня начинает терять текст или структуру. Если LoRA обучали с триггерным словом, добавьте это слово в описание.

Открытые веса означают, что любой может скачать MiniMax Music 3 с Hugging Face и запустить её сам. На практике языковая модель на 8 миллиардов параметров в паре с аудиомоделью на flow matching требует мощной видеокарты, десятков гигабайт файлов модели и настроенного окружения, а пятиминутная песня загружает карту на несколько минут.

В Mage она работает в браузере на любом устройстве, в том числе на телефоне, причём поддержка LoRA уже есть. А поскольку в одном аккаунте Mage есть и видеомодели, песня, созданная здесь, может стать саундтреком к ролику: нейросеть для создания музыкальных клипов превращает трек в выступление ваших сохранённых персонажей.

Стоимость MiniMax Music 3 зависит от выбранной длительности — максимума, сколько может звучать песня. На платном плане песня создаётся без Gems, если её длительность входит в то, что покрывает план; чем выше план, тем более длинные песни он покрывает. Безлимитные запуски идут в обычной очереди.

Без плана или для песни длиннее, чем покрывает ваш план, MiniMax Music 3 работает за Gems, а цена показывается до запуска. Пакеты Gems начинаются от $10 за 10 000 Gems, а каждый платный план включает ежемесячные Gems — 1 500 на Pro.

Сравните, что покрывает каждый план, на странице подписки или откройте страницу модели MiniMax Music 3, чтобы узнать, какой план покрывает нужную длину песни.