MiniMax 釋出開源音樂模型 MiniMax-Music3，支援生成 5 分鐘完整歌曲

MiniMax 正式釋出新一代開源音樂生成模型 MiniMax-Music3，模型權重已上架 Hugging Face。該模型支援生成長達 5 分鐘的完整歌曲，輸出格式為 32 kHz、16-bit 立體聲 WAV 音訊。架構上採用 Hybrid-LM 設計，結合基於 Qwen3-8B 初始化的 8B Global LLM（負責長篇幅音樂結構與語意）以及 0.6B Local LLM（負責幀級別聲學細節），並搭配基於 Flow Matching 與 Flow-VAE 的合成系統。在控制方面，模型接受歌詞與詳細音樂描述作為雙重輸入，支援透過標籤定義歌曲結構（如前奏、主歌、副歌、橋段等），並可精細控制曲風、人聲特徵與編曲配置。目前 MiniMax-Music3 已可透過 ComfyUI 在本地端執行（相關 PR 已合併，檔案可於 Comfy-Org 取得），Diffusers 的支援 PR 也已提交。官方表示未來將推出雲端版本，並承諾在 AGI 到來前持續保持開源。