MiniMax виклала у відкритий доступ ваги нейромережі Music 3 для генерації музики

Китайська компанія MiniMax опублікувала ваги та програмний код нейромережі для створення музики MiniMax Music 3. Модель здатна генерувати повноцінні треки з вокалом й інструменталом тривалістю до 5 хвилин, а її файли та демонстраційна вебверсія доступні на платформі Hugging Face.

Модель синтезує стереодоріжки у форматі WAV (32 кГц, 16 біт), зберігаючи класичну структуру пісні з куплетами, приспівами, бриджами та соло. Для керування генерацією використовуються два поля введення: текст пісні (lyrics) і музичний опис (music description). Розробники рекомендують ділити опис на три блоки: метадані стилю (жанр, темп у BPM, тональність), параметри вокалу та деталі аранжування інструментів.

Архітектура та системні вимоги

В основі Music 3 лежить дворівнева архітектура:

• Global LLM (8 млрд параметрів): створена на базі Qwen3-8B і відповідає за загальну композицію та розвиток треку в часі;
• Local LLM (0,6 млрд параметрів): генерує акустичні деталі та вокальні переходи;
• Flow Matching та Flow-VAE: відповідають за фінальний синтез звукової хвилі.

Обсяг повного репозиторію становить 57,4 ГБ. Для роботи в стандартному режимі виробник рекомендує відеокарту з 24 ГБ відеопам’яті, однак підтримка вивантаження шарів на процесор (CPU-offloading) дає змогу запускати генерацію на споживчих GPU з 8 ГБ VRAM. Модель підтримує інтеграцію з фреймворками Diffusers, SGLang та нодовим середовищем ComfyUI.

Умови ліцензії

Модель поширюється за вільною ліцензією MiniMax-Music3 Community License. Її дозволено безплатно використовувати для локальних тестів і комерційних сервісів, якщо річний дохід компанії не перевищує $20 млн.

Файли та ваги викладено в офіційному репозиторії MiniMax на Hugging Face, а технічні інструкції з розгортання описано в документації платформи.