MiniMax tạo nhạc AI

MiniMax Music 3 là mô hình nhạc AI của MiniMax, phòng nghiên cứu đứng sau mô hình video MiniMax-H3. MiniMax đã phát hành mô hình này với open weights trên Hugging Face dưới tên MiniMaxAI/MiniMax-Music3. Mô hình tạo ra bài hát hoàn chỉnh dài tới năm phút từ hai thứ bạn cung cấp: lời để hát và phần mô tả âm nhạc.

Điểm khác biệt là mô hình hát đúng lời của bạn. Hầu hết trình tạo nhạc tự viết lời từ prompt; còn MiniMax Music 3 trình diễn đúng bản lời bạn đã viết, từng phần một, theo thứ tự bạn gắn thẻ: intro, verse, pre-chorus, chorus, bridge, solo và outro. Phần mô tả quyết định mọi thứ còn lại, từ thể loại, tempo và tông đến giọng hát và cách phần hòa âm phát triển từ ô nhịp đầu tiên đến cuối cùng. Mô hình cũng tạo được nhạc không lời, từ nhạc phim đến nhạc nền để học bài.

Mage chạy MiniMax Music 3 ngay trong trình duyệt của bạn, cùng với các mô hình ảnh, video và âm thanh khác, nên bạn không cần tải gì và cũng không cần có card đồ họa. Mage là nền tảng sáng tạo độc lập, không thuộc MiniMax. Mage bổ sung mọi thứ xung quanh bài hát: gói dùng không giới hạn, LoRA chạy trên mô hình, thư viện riêng tư cho mọi thứ bạn tạo, và các mô hình video có thể biến bản nhạc thành video ca nhạc.

MiniMax Music 3 đọc hai đầu vào, và mỗi đầu vào có một nhiệm vụ riêng. Prompt mô tả âm nhạc: thể loại và thể loại phụ, tempo tính theo nhịp mỗi phút, tông, tâm trạng và cách nó thay đổi, ai hát và hát thế nào, cùng vai trò của các nhạc cụ. Lời bài hát chỉ là những từ để hát, không gì khác. Phần mô tả không bao giờ được hát lên, và lời cũng không quyết định phong cách, nên bài hát sẽ hay nhất khi mỗi bên làm đúng việc của mình.

Trong phần lời, các thẻ phần tạo nên cấu trúc bài hát. Hãy viết [intro], [verse], [pre-chorus], [chorus], [bridge], [solo] hoặc [outro] riêng trên một dòng, với các câu hát ở bên dưới. Một thẻ không có nội dung bên dưới, chẳng hạn [solo] trước đoạn chorus cuối, sẽ dành chỗ cho một đoạn nhạc không lời. Có một quy tắc quan trọng hơn mọi quy tắc khác: những từ viết cùng dòng với thẻ sẽ bị bỏ qua, vì vậy hãy luôn xuống dòng mới sau thẻ.

Xem hướng dẫn viết prompt cho MiniMax Music 3 với mẫu điền sẵn cho phần mô tả, lời bài hát có gắn thẻ và các ví dụ thực tế ở nhiều thể loại.

• Mỗi thẻ phần nằm riêng một dòng
• Lời gốc, mỗi dòng là một câu hát
• Viết đủ lời điệp khúc mỗi lần nó quay lại
• Thêm [outro] để bài hát kết thúc trọn vẹn thay vì dừng đột ngột

MiniMax khuyên nên chia phần mô tả thành ba phần. Thứ nhất, bức tranh tổng thể: thể loại và thể loại phụ, tempo, giọng và âm giai, diễn biến cảm xúc từ nhịp đầu đến nhịp cuối, bối cảnh mà bài hát sẽ vang lên và âm thanh bản phối nên như thế nào. Thứ hai, giọng hát: giới tính, âm sắc và âm vực của ca sĩ, cách thể hiện đoạn verse và điệp khúc, hòa âm hay bè nếu có, cùng các hiệu ứng như reverb hoặc delay. Thứ ba, phần phối khí theo dòng thời gian: phần intro có gì, gì xuất hiện ở điệp khúc đầu tiên, gì lắng xuống ở đoạn bridge và bài hát kết thúc ra sao.

Hãy luôn mô tả ca sĩ. MiniMax lưu ý rằng nếu phần mô tả bỏ qua giọng hát, bài hát có thể trượt thành nhạc không lời. Và hãy tự quyết định các chi tiết: chỗ nào bạn để trống, mô hình sẽ điền bằng lựa chọn trung bình nhất, nên "acoustic pop" cho ra bản phối chung chung, còn "indie folk pop ballad, 84 BPM, G major, guitar fingerpicking và piano felt ở đoạn verse, cello và trống chổi ở điệp khúc đầu" sẽ cho ra bài hát đúng như bạn hình dung.

Với bài hát mà lời do mô hình tự viết từ phần mô tả, hãy dùng Eleven Music thay thế. MiniMax Music 3 là mô hình dành cho lời bài hát do chính bạn viết.

• Thể loại, tempo và giọng trước tiên
• Nêu rõ ca sĩ và cách thể hiện
• Phác thảo bản phối theo từng phần
• Mô tả bản mix: ấm, rộng, thô hay bóng bẩy

Cài đặt Độ dài là thời lượng tối đa bài hát được phép kéo dài, lên đến năm phút. Đây là giới hạn chứ không phải mục tiêu: MiniMax Music 3 tự kết thúc bài hát khi lời và bản phối đã xong. Lời ngắn cho ra bài hát ngắn, bất kể Độ dài là bao nhiêu, còn lời dài mà Độ dài ngắn sẽ bị cắt ở mức giới hạn, thậm chí giữa chừng một dòng.

Vì vậy hãy lên kế hoạch cho lời bài hát theo độ dài bạn muốn. Khoảng một đoạn verse và một điệp khúc đủ cho một phút; hai verse, ba điệp khúc và một bridge đủ cho ba hoặc bốn phút. Cách làm thực tế là thử phần mô tả với Độ dài ngắn cùng một verse và một điệp khúc, giữ nguyên seed khi âm thanh đã ưng ý, rồi mới tạo bài hát hoàn chỉnh.

Với nhạc không có giọng hát, hãy để trống phần lời hoặc bật Nhạc không lời, rồi dành toàn bộ phần mô tả cho âm nhạc. Hãy nêu tên các nhạc cụ theo thứ tự xuất hiện, giọng và các lần chuyển giọng, không gian âm thanh và cách bản nhạc kết thúc. Một bản nhạc phim mở đầu bằng cây cello lẻ loi rồi dâng lên thành cả dàn nhạc, hay một beat lo-fi để học bài với electric piano cũ kỹ và tiếng đĩa than xào xạc, đều đến từ cùng một mô hình biết hát.

Với hiệu ứng âm thanh ngắn và âm thanh nền, Seed Audio là công cụ phù hợp hơn, còn trang trình tạo nhạc AI có nhạc nền và loop: xem trình tạo nhạc AI.

Vì MiniMax Music 3 có open weights, cộng đồng đã huấn luyện LoRA cho nó: những tệp bổ sung nhỏ giúp mô hình nghiêng về một thể loại, một phong cách sản xuất hoặc một chất giọng. Có LoRA thay đổi cách bài hát được lên kế hoạch, có LoRA thay đổi âm thanh. Trên Mage, chúng hoạt động bên trên mô hình. Hãy dán liên kết Hugging Face hoặc CivitAI của một LoRA MiniMax Music 3 vào trang Nhập, và nó sẽ xuất hiện trong bộ chọn LoRA của MiniMax Music 3.

Hãy bắt đầu LoRA mới ở trọng số 1, và giảm xuống nếu bài hát bắt đầu mất lời hoặc mất cấu trúc. Nếu LoRA được huấn luyện với từ khóa kích hoạt, hãy đưa từ đó vào phần mô tả.

Open weights nghĩa là ai cũng có thể tải MiniMax Music 3 từ Hugging Face và tự chạy. Thực tế, một mô hình ngôn ngữ 8 tỷ tham số kết hợp với mô hình âm thanh flow-matching cần một card đồ họa mạnh, hàng chục gigabyte tệp mô hình và một môi trường đã cài đặt xong, và một bài hát năm phút khiến chiếc card đó bận rộn trong nhiều phút.

Trên Mage, mô hình chạy ngay trong trình duyệt trên mọi thiết bị, kể cả điện thoại, với LoRA được hỗ trợ sẵn. Và vì Mage có cả các mô hình video trong cùng một tài khoản, bài hát bạn tạo ở đây có thể trở thành nhạc nền cho một clip: trình tạo video nhạc AI biến một bản nhạc thành màn trình diễn của các nhân vật bạn đã lưu.

MiniMax Music 3 được tính giá theo Độ dài bạn chọn, tức thời lượng tối đa của bài hát. Với gói trả phí, bài hát chạy mà không tốn Gems khi độ dài nằm trong phạm vi gói bao gồm, và gói càng cao càng bao gồm bài hát dài hơn. Các lượt chạy không giới hạn dùng hàng chờ tiêu chuẩn.

Nếu không có gói, hoặc với bài hát dài hơn mức gói của bạn bao gồm, MiniMax Music 3 chạy bằng Gems, và giá được hiển thị trước khi bạn tạo. Các gói Gem bắt đầu từ $10 cho 10,000 Gems, và mọi gói trả phí đều kèm Gems hằng tháng, 1,500 với Pro.

So sánh những gì mỗi gói bao gồm tại trang thành viên, hoặc xem trang mô hình MiniMax Music 3 để biết gói nào bao gồm từng độ dài bài hát.