MiniMax-Music3: ИИ создает полноценные песни длиной до 5 минут

Как пояснили разработчики, модель использует иерархическую авторегрессионную архитектуру, состоящую из двух уровней. Глобальная языковая модель Global LLM с 8 миллиардами параметров отвечает за долгосрочную семантику и структуру композиции. Она была инициализирована на базе Qwen3-8B и обучена предсказывать первый RVQ-кодбук по фреймам. Локальная модель Local LLM меньшего размера — 0,6 миллиарда параметров — восстанавливает остальные акустические кодбуки и отвечает за детализацию звука.

На выходе MiniMax-Music3 формирует аудиофайл в формате WAV с частотой дискретизации 32 кГц, разрядностью 16 бит и стереозвучанием. По утверждению компании, модель способна на протяжении всей композиции выдерживать музыкальную тему, ритм, тембр вокала и развитие аранжировки, охватывая такие элементы, как вступление, куплеты, пред-припев, припев, бридж, инструментальные проигрыши и финал.

Разработчики уже представили примеры сгенерированных песен, а также открыли код модели на GitHub. Новая модель продолжает серию музыкальных ИИ от MiniMax и ориентирована на создание законченных треков, а не коротких отрывков. Это делает её привлекательным инструментом для авторов, которым нужен быстрый прототип песни или готовый материал для дальнейшей обработки.