MiniMax发布Music3模型，支持5分钟长音频生成

MiniMax于今日推出最新音乐生成模型Music3，通过输入歌词与描述，用户可生成时长达5分钟的完整音乐，并以32kHz、16-bit的高保真立体声WAV格式输出。

该模型采用了精巧的分层自回归架构：由参数规模8B的全局语言模型负责把控长程语义、结构演进及主要旋律；而参数为0.6B的局部语言模型则专注于细粒度的声学细节填充。这种“骨架+血肉”的架构设计，确保了长音频在保持音乐逻辑与主题一致性方面的稳定性。

在音乐结构处理上，Music3能够清晰界定主歌、副歌、桥段及间奏等复杂组成部分。目前，MiniMax已在Hugging Face平台公开了模型页面并提供音频示例，为音乐创作辅助领域提供了新的技术选择。