MiniMax AI 音樂生成器

MiniMax Music 3 是 MiniMax 推出的 AI 音樂模型,MiniMax 也是 MiniMax-H3 影片模型的開發團隊。MiniMax 已將它以開放權重形式發布在 Hugging Face,名稱為 MiniMaxAI/MiniMax-Music3。你只要提供兩樣東西:要演唱的歌詞,以及對音樂的描述,它就能寫出長達五分鐘的完整歌曲。

它的特別之處在於會唱出你寫的歌詞。多數音樂生成器會根據提示詞自己寫歌詞;MiniMax Music 3 則會依你標記的順序,逐段演唱你寫好的歌詞:前奏、主歌、導歌、副歌、橋段、獨奏和尾奏。其他一切都由描述決定,從曲風、速度、調性到歌手,以及編曲如何從第一小節一路發展到最後一小節。它也能製作純音樂,從電影配樂到讀書用的節奏都行。

Mage 讓你直接在瀏覽器中使用 MiniMax Music 3,並與其他圖片、影片和音訊模型放在一起,不用下載任何東西,也不需要顯示卡。Mage 是獨立的創作平台,並非 MiniMax 的一部分。它additional提供的是歌曲之外的一切:無限使用方案、可搭配模型的 LoRAs、存放所有作品的私人資料庫,以及能把歌曲變成音樂影片的影片模型。

MiniMax Music 3 會讀取兩種輸入,各有各的任務。提示詞用來描述音樂:曲風與子類型、每分鐘拍數(BPM)、調性、情緒與其變化、由誰以什麼方式演唱,以及樂器的表現。歌詞則只放要唱的字句,別無其他。描述不會被唱出來,歌詞也不會決定風格,所以兩者各守本分,歌曲的效果最好。

在歌詞中,段落標籤決定了歌曲的結構。請把 [intro]、[verse]、[pre-chorus]、[chorus]、[bridge]、[solo] 或 [outro] 單獨放在一行,下方再接要唱的歌詞。標籤下若沒有內容,例如最後一段副歌前的 [solo],就會留出器樂段落。有一條規則最重要:與標籤寫在同一行的文字會被忽略,所以標籤之後務必換行。

這份MiniMax Music 3 提示詞指南提供了描述的填空範本、標註段落的歌詞格式,以及多種曲風的實際範例。

• 段落標籤各自獨立一行
• 使用原創歌詞,一行歌詞對應一句演唱
• 副歌每次回來都完整重複一次
• 加上 [outro],讓歌曲自然結束而不是突然停止

MiniMax 建議將描述分成三個部分。第一,整體概念:曲風與子曲風、速度、調性與音階、從第一小節到最後一小節的情緒起伏、歌曲適合出現的場景,以及混音聽起來該是什麼感覺。第二,人聲:歌手的性別、音色與音域、主歌和副歌的演唱方式、和聲或伴唱,以及殘響或延遲等效果。第三,編曲,以時間軸的方式描述:前奏播放什麼、第一段副歌加入什麼、橋段拿掉什麼,以及歌曲如何結束。

一定要描述歌手。MiniMax 指出,如果描述中漏掉人聲,歌曲可能會偏向純音樂。另外,細節要自己決定:你沒有指定的部分,模型會用最平均的選擇來填補,所以「acoustic pop」只會得到千篇一律的編曲,而「indie folk pop ballad, 84 BPM, G major, fingerpicked guitar and felt piano in the verses, cello and brushed drums at the first chorus」才會得到你腦中想像的那首歌。

如果希望由模型根據描述來寫歌詞,請改用 Eleven Music。MiniMax Music 3 則是為你親自寫的歌詞而設計的模型。

• 先寫曲風、速度和調性
• 指定歌手與演唱方式
• 逐段規劃編曲
• 描述混音風格:溫暖、寬廣、粗獷或精緻

「長度」設定是歌曲最長可以播放的時間,上限為五分鐘。它是上限,而不是目標:當歌詞和編曲完成時,MiniMax Music 3 會自行結束歌曲。無論長度設定為何,歌詞少就會產生較短的歌曲;而歌詞很長但長度設得很短時,歌曲會在上限處被截斷,甚至可能停在一句歌詞的中間。

所以請依照想要的長度來規劃歌詞。一段主歌加一段副歌大約可以填滿一分鐘;兩段主歌、三段副歌加一段橋段則大約是三到四分鐘。實用的做法是:先用較短的長度,搭配一段主歌和一段副歌來試描述;當聲音對了,就保留 seed,再生成完整的歌曲。

想要沒有人聲的音樂,可以把歌詞留空或開啟「純音樂」,並把整段描述都用在音樂上。依照樂器加入的順序寫出樂器名稱,並說明調性與轉調、空間感,以及樂曲如何結束。從一把孤單的大提琴開始、逐漸堆疊成完整管弦樂團的電影配樂,或是帶有復古電鋼琴和黑膠雜音的 lo-fi 讀書節拍,都能由這個會唱歌的模型生成。

如果是短音效和環境音,Seed Audio 是更合適的工具,而背景音樂和循環音樂則可參考 AI 音樂生成頁面:請見AI 音樂生成器。

由於 MiniMax Music 3 是開放權重,社群會為它訓練 LoRA:這是一種小型的附加檔案,能讓模型偏向某種曲風、製作風格或人聲特色。有些會改變歌曲的規劃方式,有些則改變歌曲的聲音。在 Mage 上,它們會疊加在模型之上運作。只要在匯入頁面貼上 MiniMax Music 3 LoRA 的 Hugging Face 或 CivitAI 連結,它就會出現在 MiniMax Music 3 的 LoRA 選單中。

新的 LoRA 請先從權重 1 開始,如果歌曲開始偏離歌詞或結構,就調低權重。如果 LoRA 訓練時有設定觸發詞,請把該詞放進描述中。

開放權重代表任何人都可以從 Hugging Face 下載 MiniMax Music 3 並自行執行。但實際上,80 億參數的語言模型搭配 flow-matching 音訊模型,需要一張高效能顯示卡、數十 GB 的模型檔案和完整的環境設定,而一首五分鐘的歌曲會讓這張顯示卡忙上好幾分鐘。

在 Mage 上,它可以在任何裝置的瀏覽器中執行,手機也沒問題,而且已經支援 LoRA。此外,Mage 在同一個帳號中也提供影片模型,所以你在這裡製作的歌曲可以變成影片的配樂:AI 音樂影片生成器能把一首曲子變成由你儲存的角色演出的表演影片。

MiniMax Music 3 依你選擇的長度計價,也就是歌曲最長可以播放的時間。使用付費方案時,只要歌曲長度在方案涵蓋的範圍內,就不需要花費 Gems,而且方案等級越高,涵蓋的歌曲越長。無限生成使用標準佇列。

如果沒有訂閱方案,或歌曲超過方案涵蓋的長度,MiniMax Music 3 會使用 Gems,且價格會在生成前顯示。Gem 組合包 10,000 Gems 起價為 $10,而且每個付費方案都包含每月 Gems,Pro 為 1,500。

請到會員方案頁面比較各方案涵蓋的內容,或查看MiniMax Music 3 模型頁面,了解各種歌曲長度需要哪個方案。