MiniMax AI 音乐生成器

MiniMax Music 3 是 MiniMax 推出的 AI 音乐模型,MiniMax 也是 MiniMax-H3 视频模型的研发团队。MiniMax 已在 Hugging Face 上以开放权重发布该模型,名为 MiniMaxAI/MiniMax-Music3。你只需提供两样东西:要演唱的歌词和对音乐的描述,它就能写出最长五分钟的完整歌曲。

它的特别之处在于会唱出你写的词。大多数音乐生成器会根据提示词自己写歌词;而 MiniMax Music 3 会按你标记的顺序,逐段演唱你写好的歌词:前奏、主歌、预副歌、副歌、桥段、独奏和尾奏。其余一切都由描述来决定,从曲风、速度、调性,到演唱者,以及编曲如何从第一小节发展到最后一小节。它也能生成纯音乐,从电影配乐到学习用的节拍都可以。

Mage 让你在浏览器里就能运行 MiniMax Music 3,与其他图片、视频和音频模型放在一起,无需下载,也不需要显卡。Mage 是独立的创作平台,并不属于 MiniMax。它为歌曲提供的是周边的一整套支持:不限量套餐、基于模型的 LoRA、保存你所有作品的私人资料库,以及能把歌曲变成音乐视频的视频模型。

MiniMax Music 3 会读取两种输入,各有分工。提示词用来描述音乐:曲风和子类型、每分钟节拍数表示的速度、调性、情绪及其变化、谁来唱和怎么唱,以及乐器怎么演奏。歌词则只是要演唱的词,仅此而已。描述不会被唱出来,歌词也不会决定风格,所以两者各守其位,歌曲效果最好。

在歌词中,段落标签决定歌曲的结构。把 [intro]、[verse]、[pre-chorus]、[chorus]、[bridge]、[solo] 或 [outro] 单独写在一行,要唱的歌词放在它下面。如果标签下面没有内容,比如最后一段副歌前的 [solo],就会留出一段器乐。有一条规则比其他都重要:和标签写在同一行的文字会被忽略,所以标签之后一定要换行。

查看MiniMax Music 3 提示词指南,里面有描述填写模板、带标签的歌词模板,以及多种曲风的实战示例。

• 段落标签单独占一行
• 使用原创歌词,每行对应一句演唱
• 副歌每次回归都完整重复
• 加上 [outro],让歌曲自然收尾而不是戛然而止

MiniMax 建议把描述分成三部分。第一部分是整体印象:曲风和子风格、速度、调式和调性、从第一小节到最后一小节的情绪走向、这首歌适合出现的场景,以及混音听起来应该是什么样。第二部分是人声:歌手的性别、音色和音域,主歌和副歌的演唱方式,有没有和声或伴唱,以及混响、延迟等效果。第三部分是编曲,按时间线来写:前奏里有什么,第一段副歌进入什么,桥段里撤掉什么,以及歌曲如何结束。

一定要描述歌手。MiniMax 提到,如果描述里漏掉人声,歌曲可能会变成纯音乐。另外,细节要自己定:你没有指定的地方,模型会选最普通的方案,所以只写“acoustic pop”只会得到千篇一律的编曲,而“indie folk pop ballad, 84 BPM, G 大调,主歌用指弹吉他和毛毡钢琴,第一段副歌加入大提琴和刷鼓”才会得到你脑海中的那首歌。

如果想让模型根据描述来写歌词,请改用 Eleven Music。MiniMax Music 3 适合用你自己写的歌词。

• 先写曲风、速度和调性
• 写明歌手和演唱方式
• 逐段安排编曲
• 描述混音:温暖、开阔、粗粝或精致

“时长”设置是歌曲最长可以播放多久,最多五分钟。它只是上限,不是目标:当歌词和编曲都完成时,MiniMax Music 3 会自行结束歌曲。无论时长设多少,歌词短,歌就短;如果歌词很长而时长很短,歌曲会在上限处被截断,甚至停在一句歌词的中间。

所以请按想要的时长来规划歌词。大约一段主歌加一段副歌就是一分钟;两段主歌、三段副歌再加一段桥段,大约是三到四分钟。实用的做法是:先用较短的时长,配一段主歌和一段副歌试试描述效果,声音满意后保留种子,再生成完整歌曲。

想要没有人声的音乐,可以把歌词留空,或者开启“纯音乐”,然后把整段描述都用在音乐本身上。按进入的顺序写出乐器、调性和转调、空间感,以及乐曲如何结束。从一把独奏大提琴开始、逐渐扩展成完整管弦乐队的电影配乐,或是带有沙哑电钢琴和黑胶底噪的 lo-fi 学习节拍,都出自这个会唱歌的同一个模型。

制作短音效和环境音时,Seed Audio 更合适;背景配乐和循环音乐请参阅 AI 音乐生成器。

由于 MiniMax Music 3 开放了权重,社区会为它训练 LoRA:这些小型附加文件能让模型偏向某种曲风、制作风格或人声特质。有些会改变歌曲的构思方式,有些则改变它的音色。在 Mage 上,它们叠加在模型之上使用。在导入页面粘贴 MiniMax Music 3 LoRA 的 Hugging Face 或 CivitAI 链接,它就会出现在 MiniMax Music 3 的 LoRA 选择器里。

新的 LoRA 先从权重 1 开始,如果歌曲开始丢歌词或结构,就把权重调低。如果 LoRA 训练时使用了触发词,请把这个词写进描述里。

开放权重意味着任何人都可以从 Hugging Face 下载 MiniMax Music 3 并自行运行。实际上,一个 80 亿参数的语言模型加上一个 flow-matching 音频模型,需要性能强劲的显卡、几十 GB 的模型文件和一套能正常工作的环境,而且一首五分钟的歌会让显卡忙上好几分钟。

在 Mage 上,它可以在任何设备的浏览器中运行,手机也不例外,并且已经支持 LoRA。而且由于 Mage 在同一个账号里也提供视频模型,你在这里做的歌可以变成视频片段的配乐:AI 音乐视频生成器能让你保存的角色来演绎一首曲子。

MiniMax Music 3 按你选择的时长计价,也就是歌曲最长可以播放多久。订阅付费套餐后,只要歌曲时长在套餐覆盖范围内,就无需消耗 Gems,套餐越高,覆盖的歌曲越长。无限次生成使用标准队列。

没有订阅套餐,或歌曲超出套餐覆盖的时长时,MiniMax Music 3 会消耗 Gems,生成前会显示价格。Gem 包 10 美元起,含 10,000 Gems,每个付费套餐都包含每月 Gems,Pro 套餐为 1,500 Gems。

在会员页面对比各套餐的覆盖范围,或查看MiniMax Music 3 模型页面,了解每种歌曲时长对应的套餐。