minimax 今日正式发布全新音乐生成模型 minimax-music3，用户仅需输入歌词文本与音乐风格描述，即可一键生成时长可达5分钟的完整歌曲，输出格式为32khz、16-bit 立体声 wav 文件。
该模型背后采用创新的分层自回归架构，由两个协同工作的语言模型共同驱动：全局语言模型（Global LLM）参数量为8B，专注于逐帧预测首个RVQ码本，核心任务是建模整首歌曲的宏观语义逻辑与结构性演变——其基座源自 Qwen3-8B，在训练初期首先对嵌入层与输出层进行音乐语义词元适配，随后与局部模型联合优化全部RVQ码本；局部语言模型（Local LLM）参数量精简至0.6B，专司每帧中其余声学码本的精细化预测，逐步还原高保真声学细节。一大一小、一主一副，结构骨架与声音血肉分工明确、高效互补。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
据官方介绍，MiniMax-Music3 能在长达数分钟的音频生成过程中，精准维持音乐主题一致性、节奏稳定性、人声身份辨识度及编曲演进逻辑，完整覆盖前奏、主歌、预副歌、副歌、桥段、器乐间奏与尾奏等标准音乐段落结构。目前，项目已在 GitHub 开设专属页面，并同步在 Hugging Face 提供模型权重及多个高质量生成样例供公众试听体验。
