AI 写歌不再只有高潮！MiniMax 发布 Music3，一键生成 5 分钟完整单曲

一直以来，AI 音乐生成领域都有一个难以逾越的痛点：生成的音频往往只是几十秒的片段，或者缺乏完整的起承转合。今天，MiniMax 正式打破了这一僵局，推出了全新的音乐生成模型 MiniMax-Music3。只需输入简单的歌词和音乐风格描述，它就能为你创作出长达 5 分钟的完整歌曲，让 AI 音乐创作真正迈向“单曲级”可用标准。

专业级音质与教科书般的歌曲结构

对于音乐创作者而言，音质和结构是作品的灵魂。MiniMax-Music3 能够直接输出 32kHz、16-bit 的立体声 WAV 文件，确保了声音的清晰度与后期处理的专业度。

更令人惊喜的是它对歌曲宏观结构的精准把控。官方表示，该模型能够完美呈现一首标准歌曲的所有组成部分——从前奏、主歌、预副歌、副歌，到桥段、器乐间奏乃至尾奏，可谓“一个不落”。在长达 5 分钟的生成过程中，模型能稳稳锁定音乐主题、节奏律动、歌手音色以及编曲的层次推进，彻底告别 AI 音乐常见的“虎头蛇尾”或“中途跑偏”问题。

8B+0.6B 双剑合璧：揭秘分层自回归架构

如此出色的长程控制力，得益于 MiniMax 采用的分层自回归架构。这套系统由两个分工明确的模型“上下配合”完成：

• Global LLM（全局语言模型，8B 参数）：这是整个架构的“总导演”。它基于 Qwen3-8B 初始化，在训练时通过适配音乐语义词元，专门负责逐帧预测第 1 个 RVQ 码本。它的核心任务是构建歌曲的长程语义与结构骨架，确保整首歌的逻辑严密。
• Local LLM（局部语言模型，0.6B 参数）：这是负责细节的“乐手”。它专注于预测每一帧中其余的声学码本，将细粒度的声学信息一点点填补回来，为骨架注入丰满的声音血肉。

这种“大模型管结构骨架，小模型填声音血肉”的精妙分工，不仅大幅提升了长音频的生成质量，也展现了极高的工程优雅度。

立即体验

目前，MiniMax 已经开放了 MiniMax-Music3 的模型页面，并提供了多首生成的歌曲示例供大家试听。无论你是独立音乐人、视频创作者，还是对 AI 音乐感兴趣的开发者，都可以去亲自感受一下这款模型带来的听觉震撼。

🔗 模型及示例试听地址：MiniMax-Music3 on HuggingFace