2026年8月14日，通用人工智能公司MiniMax正式推出新一代音乐生成模型MiniMax-Music3，用户仅需输入歌词与风格描述即可生成最长5分钟的完整歌曲，输出32kHz、16-bit立体声WAV文件。该模型采用分层自回归架构，基于Qwen3-8B初始化的8B全局LLM搭配0.6B局部LLM，兼顾长程结构把控与声学细节还原。
很长一段时间里，AI生成音乐始终逃不开“片段化”“结构崩”的通病：大多数模型生成上限仅为1-2分钟，一旦拉长时长就会出现曲风跑偏、人声突变、段落逻辑混乱等问题，始终无法满足专业创作的基本需求。而MiniMax此次发布的Music3，正是瞄准这一行业痛点给出的解决方案。
此次Music3的核心创新就是分层自回归架构，摒弃了单一模型兼顾结构与细节的传统路线，将生成任务拆分给两个参数规模差异极大的模型：其中8B参数的全局LLM由Qwen3-8B初始化而来，负责逐帧预测首个RVQ码本，专门把控歌曲的长程语义与结构逻辑，能让生成内容在5分钟时长内始终保持主题、节奏、人声身份的一致性，完整覆盖前奏、主歌、预副歌、桥段等流行音乐全段落结构。
登录后解锁全文，体验收藏、点赞、评论等完整功能
立即登录
滇公网安备 53252802528133号