IT之家 8 月 14 日消息，AI 公司 MiniMax 今日推出音乐生成模型 MiniMax-Music3，可根据歌词和音乐描述生成最长 5 分钟的完整歌曲。 该模型采用分层自回归架构：全局语言模型参数规模为 8B，逐帧预测第 1 个 RVQ 码本，负责建模歌曲的长程语义与结构变化；局部语言模型参数规模为 0.6B，预测每一帧中其余声学码本，恢复细粒度声学信息。全局模型基于 Qwen3-8B 初始化，训练时先适配音乐语义词元的嵌入层和输出层，随后与局部模型联合建模全部 RVQ 码本。 在输出方面，MiniMax-Music3 生成的单首歌曲时长最长为 5 分钟，输出格式为 32kHz、16-bit 立体声 WAV 文件。官方称，该模型能够在长音频中保持音乐主题、节奏、歌声身份和编曲推进，覆盖前奏、主歌、预副歌、副歌、桥段、器乐间奏和尾奏等结构。 广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家包含外链的文章均包含本声明。

打开网易新闻 查看精彩图片