MiniMax สร้างเพลงด้วย AI

MiniMax Music 3 คือโมเดล AI สร้างเพลงจาก MiniMax ผู้พัฒนาโมเดลวิดีโอ MiniMax-H3 โดย MiniMax เปิดให้ใช้แบบ open weights บน Hugging Face ในชื่อ MiniMaxAI/MiniMax-Music3 โมเดลนี้สร้างเพลงเต็มยาวสูงสุดห้านาทีจากสองสิ่งที่คุณป้อน คือเนื้อเพลงที่จะให้ร้อง และคำบรรยายดนตรี

จุดเด่นคือโมเดลร้องตามคำที่คุณเขียน เครื่องมือสร้างเพลงส่วนใหญ่แต่งเนื้อเองจากพรอมต์ แต่ MiniMax Music 3 จะร้องตามเนื้อเพลงที่คุณเขียนทีละท่อนตามลำดับที่คุณแท็กไว้ ไม่ว่าจะเป็นอินโทร ท่อนร้อง พรีคอรัส ท่อนฮุก บริดจ์ โซโล และเอาโทร ส่วนคำบรรยายจะกำหนดทุกอย่างที่เหลือ ตั้งแต่แนวเพลง จังหวะ คีย์ นักร้อง ไปจนถึงการเรียบเรียงที่ค่อย ๆ ขยายตั้งแต่ห้องแรกจนถึงห้องสุดท้าย นอกจากนี้ยังทำเพลงบรรเลงได้ ตั้งแต่ดนตรีประกอบภาพยนตร์ไปจนถึงบีตสำหรับอ่านหนังสือ

Mage รัน MiniMax Music 3 บนเบราว์เซอร์ของคุณ ควบคู่กับโมเดลภาพ วิดีโอ และเสียงอื่น ๆ จึงไม่ต้องดาวน์โหลดอะไรและไม่ต้องมีการ์ดจอ Mage เป็นแพลตฟอร์มครีเอทีฟอิสระ ไม่ได้เป็นส่วนหนึ่งของ MiniMax สิ่งที่ Mage เพิ่มให้คือทุกอย่างรอบ ๆ เพลง ได้แก่ แพ็กเกจแบบไม่จำกัด LoRA ที่ใช้ร่วมกับโมเดล คลังส่วนตัวสำหรับผลงานทั้งหมดของคุณ และโมเดลวิดีโอที่เปลี่ยนเพลงให้เป็นมิวสิกวิดีโอได้

MiniMax Music 3 อ่านอินพุตสองอย่าง และแต่ละอย่างมีหน้าที่เดียว พรอมต์ใช้บรรยายดนตรี ได้แก่ แนวเพลงและแนวย่อย จังหวะเป็นบีตต่อนาที คีย์ อารมณ์และการเปลี่ยนแปลงของอารมณ์ ใครเป็นคนร้องและร้องอย่างไร และเครื่องดนตรีทำอะไรบ้าง ส่วนเนื้อเพลงคือคำที่จะให้ร้องเท่านั้น คำบรรยายจะไม่ถูกร้อง และเนื้อเพลงก็ไม่กำหนดสไตล์ ดังนั้นเพลงจะออกมาดีที่สุดเมื่อแต่ละอย่างทำหน้าที่ของตัวเอง

ในเนื้อเพลง แท็กท่อนจะกำหนดโครงสร้างของเพลง เขียน [intro], [verse], [pre-chorus], [chorus], [bridge], [solo] หรือ [outro] ไว้บรรทัดเดียวโดด ๆ แล้วใส่บรรทัดที่ร้องไว้ด้านล่าง แท็กที่ไม่มีอะไรอยู่ใต้มัน เช่น [solo] ก่อนท่อนฮุกสุดท้าย จะเว้นที่ไว้สำหรับช่วงบรรเลง มีกฎข้อหนึ่งที่สำคัญที่สุด คือคำที่เขียนในบรรทัดเดียวกับแท็กจะถูกตัดทิ้ง ดังนั้นให้ขึ้นบรรทัดใหม่หลังแท็กเสมอ

ใน คู่มือเขียนพรอมต์ MiniMax Music 3 มีเทมเพลตสำหรับกรอกคำอธิบาย เนื้อเพลงที่ใส่แท็ก และตัวอย่างในหลายแนวเพลง

• ใส่แท็กท่อนเพลงไว้บรรทัดเดียวโดดๆ
• เนื้อเพลงที่แต่งเอง หนึ่งบรรทัดต่อหนึ่งประโยคที่ร้อง
• เขียนท่อนฮุกให้ครบทุกครั้งที่วนกลับมา
• ใส่ [outro] เพื่อให้เพลงจบอย่างสมบูรณ์ ไม่ใช่หยุดกะทันหัน

MiniMax แนะนำให้เขียนคำอธิบายเป็นสามส่วน ส่วนแรกคือภาพรวม ได้แก่ แนวเพลงและแนวย่อย จังหวะ คีย์และสเกล อารมณ์ของเพลงตั้งแต่ห้องแรกจนห้องสุดท้าย ฉากที่เพลงนี้เหมาะจะเล่น และเสียงของมิกซ์ที่ต้องการ ส่วนที่สองคือเสียงร้อง ได้แก่ เพศของนักร้อง ทิมบร์และช่วงเสียง วิธีร้องท่อนเวิร์สและท่อนฮุก เสียงประสานหรือเสียงแบ็กอัป และเอฟเฟกต์อย่างรีเวิร์บหรือดีเลย์ ส่วนที่สามคือการเรียบเรียง เขียนเป็นไทม์ไลน์ว่าอินโทรมีอะไรเล่น อะไรเข้ามาในฮุกแรก อะไรหายไปในท่อนบริดจ์ และเพลงจบอย่างไร

อย่าลืมอธิบายนักร้องเสมอ MiniMax ระบุว่าหากคำอธิบายไม่พูดถึงเสียงร้อง เพลงอาจกลายเป็นเพลงบรรเลงได้ และควรตัดสินใจรายละเอียดเองให้มากที่สุด เพราะสิ่งที่คุณไม่ได้ระบุ โมเดลจะเลือกตัวเลือกที่เป็นกลางที่สุดมาเติมให้ เช่น "acoustic pop" จะได้การเรียบเรียงทั่วๆ ไป แต่ "indie folk pop ballad, 84 BPM, G major, กีตาร์ฟิงเกอร์พิกกิงและเปียโนเฟลต์ในท่อนเวิร์ส เชลโลและกลองแปรงในฮุกแรก" จะได้เพลงอย่างที่คุณได้ยินในหัว

หากต้องการเพลงที่ให้โมเดลแต่งเนื้อร้องจากคำอธิบาย ให้ใช้ Eleven Music แทน ส่วน MiniMax Music 3 เหมาะกับเนื้อเพลงที่คุณเขียนเอง

• เริ่มจากแนวเพลง จังหวะ และคีย์
• ระบุนักร้องและวิธีการร้อง
• วางแผนการเรียบเรียงทีละท่อน
• อธิบายมิกซ์ เช่น อบอุ่น กว้าง ดิบ หรือเนี้ยบ

ค่าความยาวคือความยาวสูงสุดที่เพลงจะยาวได้ สูงสุดห้านาที เป็นเพียงขีดจำกัด ไม่ใช่เป้าหมาย MiniMax Music 3 จะจบเพลงเองเมื่อเนื้อเพลงและการเรียบเรียงจบแล้ว เนื้อเพลงสั้นจะได้เพลงสั้นไม่ว่าจะตั้งความยาวเท่าไร ส่วนเนื้อเพลงยาวที่ตั้งความยาวไว้สั้นจะถูกตัดตอนที่ขีดจำกัด แม้จะอยู่กลางประโยคก็ตาม

ดังนั้นควรวางแผนเนื้อเพลงให้เหมาะกับความยาวที่ต้องการ เวิร์สหนึ่งท่อนกับฮุกหนึ่งท่อนยาวประมาณหนึ่งนาที ส่วนสองเวิร์ส สามฮุก และหนึ่งบริดจ์ ยาวประมาณสามถึงสี่นาที วิธีทำงานที่ใช้ได้จริงคือ ลองคำอธิบายด้วยความยาวสั้นและเนื้อเพลงแค่หนึ่งเวิร์สกับหนึ่งฮุก เมื่อได้เสียงที่ถูกใจให้เก็บค่า seed ไว้ แล้วค่อยเรนเดอร์เพลงเต็ม

หากต้องการดนตรีที่ไม่มีเสียงร้อง ให้เว้นช่องเนื้อเพลงว่างไว้หรือเปิดโหมดดนตรีบรรเลง (Instrumental) แล้วใช้คำอธิบายทั้งหมดไปกับตัวดนตรี ระบุเครื่องดนตรีตามลำดับที่เข้ามา คีย์และการเปลี่ยนคีย์ บรรยากาศของห้อง และวิธีที่เพลงจบ ดนตรีประกอบแนวภาพยนตร์ที่เริ่มด้วยเชลโลเดี่ยวแล้วค่อยๆ ขยายเป็นวงออร์เคสตราเต็มวง หรือบีตโลไฟสำหรับอ่านหนังสือที่มีเสียงอิเล็กทริกเปียโนเก่าๆ และเสียงแผ่นเสียงซ่า ล้วนมาจากโมเดลตัวเดียวกับที่ร้องเพลงได้

สำหรับเสียงเอฟเฟกต์สั้นๆ และเสียงบรรยากาศ Seed Audio เหมาะกว่า ส่วนดนตรีพื้นหลังและลูปมีอธิบายไว้ในหน้า AI สร้างเพลง ดูได้ที่ AI สร้างเพลง

เนื่องจาก MiniMax Music 3 เป็นโมเดลโอเพนเวท ชุมชนจึงเทรน LoRA ให้ใช้งานกับโมเดลนี้ ซึ่งเป็นไฟล์เสริมขนาดเล็กที่ดึงโมเดลให้ไปทางแนวเพลง สไตล์การผลิต หรือคาแรกเตอร์เสียงร้องแบบใดแบบหนึ่ง บางตัวเปลี่ยนวิธีวางโครงเพลง บางตัวเปลี่ยนเสียงของเพลง บน Mage LoRA ทำงานร่วมกับโมเดลได้เลย เพียงวางลิงก์ Hugging Face หรือ CivitAI ของ LoRA สำหรับ MiniMax Music 3 ในหน้านำเข้า แล้วมันจะปรากฏในตัวเลือก LoRA ของ MiniMax Music 3

ให้เริ่ม LoRA ตัวใหม่ที่น้ำหนัก 1 และลดลงหากเพลงเริ่มเพี้ยนจากเนื้อร้องหรือโครงสร้าง หาก LoRA ถูกเทรนด้วยทริกเกอร์เวิร์ด ให้ใส่คำนั้นในคำอธิบาย

โอเพนเวทหมายความว่าใครก็ดาวน์โหลด MiniMax Music 3 จาก Hugging Face ไปรันเองได้ แต่ในทางปฏิบัติ โมเดลภาษาขนาด 8 พันล้านพารามิเตอร์ที่ทำงานคู่กับโมเดลเสียงแบบ flow-matching ต้องใช้การ์ดจอแรงๆ ไฟล์โมเดลหลายสิบกิกะไบต์ และการติดตั้งที่พร้อมใช้งาน และเพลงห้านาทีหนึ่งเพลงก็ทำให้การ์ดใบนั้นทำงานหนักนานหลายนาที

บน Mage โมเดลนี้ทำงานในเบราว์เซอร์บนอุปกรณ์ไหนก็ได้ รวมถึงมือถือ และรองรับ LoRA อยู่แล้ว และเพราะ Mage มีโมเดลวิดีโออยู่ในบัญชีเดียวกัน เพลงที่คุณสร้างที่นี่จึงกลายเป็นเพลงประกอบคลิปได้ เช่น AI สร้างมิวสิกวิดีโอ เปลี่ยนเพลงให้เป็นการแสดงโดยตัวละครที่คุณบันทึกไว้

MiniMax Music 3 คิดราคาตามความยาวที่คุณเลือก ซึ่งเป็นความยาวสูงสุดที่เพลงจะยาวได้ ในแพลนแบบชำระเงิน เพลงจะสร้างได้โดยไม่ใช้ Gems เมื่อความยาวอยู่ในขอบเขตที่แพลนครอบคลุม และแพลนที่สูงขึ้นครอบคลุมเพลงที่ยาวขึ้น การสร้างแบบไม่จำกัดจะใช้คิวมาตรฐาน

หากไม่มีแพลน หรือเพลงยาวเกินกว่าที่แพลนครอบคลุม MiniMax Music 3 จะใช้ Gems และจะแสดงราคาให้เห็นก่อนสร้าง แพ็ก Gems เริ่มต้นที่ $10 สำหรับ 10,000 Gems และทุกแพลนแบบชำระเงินมี Gems รายเดือนให้ โดย Pro ได้ 1,500

เปรียบเทียบสิ่งที่แต่ละแพลนครอบคลุมได้ที่ หน้าสมาชิก หรือดู หน้าโมเดล MiniMax Music 3 เพื่อดูว่าแพลนไหนครอบคลุมเพลงความยาวเท่าไร