# MiniMax 推出開放權重 MiniMax-Music3，生成最長五分鐘完整歌曲

> 📖 本站完整內容索引（documentation index）：[llms.txt](/llms.txt)

> 原作者：MiniMax (official) (@MiniMax_AI) · 策展與摘要：EasyVibeCoding · 平台：X (Twitter) · 熱度：🔥🔥🔥🔥 · 日期：2026-08-13

> 原始來源：https://x.com/minimax_ai/status/2087934657354678421

## 證據與延伸閱讀

- [MiniMax 推出開放權重 MiniMax-Music3，生成最長五分鐘完整歌曲。](https://huggingface.co/MiniMaxAI/MiniMax-Music3) — 官方文件

## 中文摘要

MiniMax 推出開放權重 MiniMax-Music3，生成最長五分鐘完整歌曲。

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/53b8ab9c9fba394c.jpg)
> MiniMax Music 3 的發表橫幅，背景為帶有羽毛紋理的紫色漸層，中央以白色字樣標示主標題與「Next-Generation Open-Weights Production-Ready & Versatile Music Model」副標題。

**模型定位** MiniMax 透過 [Hugging Face](https://huggingface.co/MiniMaxAI/MiniMax-Music3)、[GitHub](https://github.com/MiniMax-AI/MiniMax-Music3) 與 [魔搭](https://modelscope.cn/models/MiniMax/MiniMax-Music3) 分享模型。它可根據歌詞與音樂描述，生成最長五分鐘、32 kHz、16-bit 立體聲 WAV 完整歌曲，維持主題、節奏、人聲識別與編曲發展。

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/fea14b92e37ff4d3.png)
> 紫色背景宣傳海報，中央醒目顯示白色大字「MiniMax Music 3」，下方標註「Next-Generation Open-Weights Production-Ready & Versatile Music Model」產品定位說明。

**控制方式** 歌詞可加入 `[Intro]`、`[Verse]`、`[Chorus]`、`[Bridge]` 等段落標籤；音樂描述則指定曲風、情緒、人聲、樂器與製作風格。官方建議使用包含 `Global Metadata`、`Vocal Details`、`Arrangement` 的 Structured Caption，細化歌曲各段落的變化。

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/330f156a5ae53c81.png)
> 混合語言模型架構圖，上方顯示 Flow-Matching 與 Flow VAE Decoder 的 Synthesis 區塊，中間包含 Global LLM、Local LLM 與 Hidden state 和 Stop Token，下方則為 Structured Caption 與 Lyrics 的 Input Conditions 區塊。

**技術架構** 模型以 8B Global LLM 處理長距離結構，0.6B Local LLM 還原每個 frame 的聲學細節，再融合 hidden states，經過 Flow Matching（2.4B）與 Flow-VAE Decoder（123M）合成音訊。訓練 tokenizer 使用八層 RVQ，第一層有 16,384 個語意 codebook entries，其餘七層各有 1,024 個聲學 entries。

**部署與操作** 官方文件提供以下流程：

1. 下載模型：
```bash
hf download MiniMaxAI/MiniMax-Music3 --local-dir /path/to/minimax_ttm
```

2. 啟動 SGLang-Omni：
```bash
sgl-omni serve --model-path MiniMaxAI/MiniMax-Music3 --port 8000
```

3. 呼叫 API 生成音訊：
```bash
curl http://127.0.0.1:8000/v1/audio/speech \
  -H 'Content-Type: application/json' \
  -d '{
    "model": "MiniMaxAI/MiniMax-Music3",
    "input": "[Verse]\nMorning light filtering through the pine\n[Chorus]\nSoftly the world begins to breathe",
    "instructions": "A warm acoustic pop song with intimate female vocals, fingerpicked guitar, soft piano, and a gradual emotional build into a wide final chorus.",
    "response_format": "wav",
    "seed": 7,
    "max_new_tokens": 750,
    "stream": false
  }' \
  --output minimax_music3.wav
```

**Prompt 強化與限制** `music-caption-rewriter` skill 可將簡短描述擴展成 Structured Caption，安裝指令為：
```bash
npx skills add MiniMax-AI/MiniMax-Music3 --skill music-caption-rewriter
```
目前推論需要兩張 CUDA GPU，僅支援非串流生成；文字 prompt 上限為 5,000 tokens、音訊上限為 9,000 acoustic frames，段落標籤與描述只提供生成控制，無法保證完全符合指定速度、調性、歌詞或結構。

## 標籤

AIGC, 新產品, 開源專案, MiniMax