MiniMax Music 3（开源音乐生成）

MiniMax Music 3.0 是 MiniMax 于 2026 年 8 月 13 日发布的开放权重音乐生成模型，官方定位是「一次生成一首完整歌曲」：给定创作概念与可选歌词，模型自行作曲、编曲、演唱与混音，单次最长约 5 分钟，输出 32 kHz、16 bit 立体声 WAV。结构上是 8B 全局 LLM 负责长程音乐结构、0.6B 局部 LLM 负责逐帧声学细节的 Hybrid-LM，配合多层 RVQ（残差矢量量化）、隐状态融合、Flow Matching 与 Flow-VAE 完成高保真音频重建。

权重已在 Hugging Face 的官方组织下开放（MiniMaxAI/MiniMax-Music3，含 diffusers 与 sglang-omni 支持），GitHub 提供 MiniMax-AI/MiniMax-Music3 代码与官方在线 Demo，也可通过 MiniMax 平台 API 调用。官方强调这一代解决三类难题：更准确理解创作意图、在整首歌里保持情绪与编曲走向、以及让音色听起来像真人演唱而非合成。适合独立音乐人的演唱小样、短视频与广告配乐、游戏与播客背景音乐等场景，本地部署的上限取决于显存与推理栈支持。

• 开放权重 + 代码开源，可本地部署或走官方 API，官方另提供在线 Demo
• Hybrid-LM（8B 全局 + 0.6B 局部）单次生成最长 5 分钟完整歌曲，32 kHz 立体声输出
• 对比上一代重点是创作意图理解、长程编曲结构与演唱自然度的提升