MiniMax Music 3 是什么：能生成 5 分钟完整歌曲的音乐模型

它是什么

MiniMax Music 3 是 MiniMax 在 2026 年 8 月 13 日发布的音乐生成模型，模型仓库在 GitHub 的 MiniMax-AI/MiniMax-Music3。它根据歌词和一段详细的音乐描述，生成结构完整的歌曲，人声有表现力，编曲会随段落发展，长时间的音质也保持稳定。最长可以一次生成 5 分钟的完整歌曲，输出 32kHz、16 位立体声的 WAV 音频。

架构：一个管结构，一个管细节

库里登记的架构是 8B 规模的全局语言模型加流匹配（Flow Matching）。可以这样理解它的分工：一个负责长程音乐结构的模块，决定歌曲整体怎么走，哪里是主歌、哪里进副歌、主题什么时候回来；一个负责逐帧声学细节的模块，决定每一瞬间的音色和声音质感；最后由基于连续隐状态的合成系统输出音频。这种“先规划结构、再填充细节”的分层，是生成长音乐又不跑调、不散架的关键。

完整歌曲，而不是片段

很多音乐模型生成三十秒、一分钟的片段还行，再长就会主题漂移、人声音色变来变去。官方强调 Music 3 原生支持最长五分钟的整曲生成，在长序列里保持音乐主题、节奏、人声身份和编曲递进的一致，能生成前奏、主歌、预副歌、副歌、桥段、间奏、尾奏这样完整的歌曲结构。

怎么写提示词

简单用法是直接写一句自然语言的风格描述。想要更精细的控制，官方提供了一个提示词改写工具（music-caption-rewriter），把简短描述扩写成结构化的描述，包含风格、乐器、情绪、人声等信息；它会保留附在歌词段落标签上的音乐指令，同时让歌词文本留在歌词输入里。仓库里有安装说明和完整功能介绍，官方网站上也有生成示例可以试听。

适合谁

做短视频配乐、游戏音乐、广告歌、独立音乐创作的人，可以用它快速出完整的小样；需要私有部署音乐生成能力的开发者，可以直接用仓库里的代码。使用时要注意版权：不要用提示词刻意模仿特定在世歌手的声音，生成的作品商用前也要确认许可条款。AI 主线的看法是：AI 音乐的门槛正在从“能不能写出好听的片段”转向“能不能写完一首完整的歌”，Music 3 把五分钟整曲当成卖点，正是这个方向。