8 月 14 日消息，AI 公司 MiniMax 于今日（8 月 14 日）正式发布音乐生成模型 MiniMax-Music3。该模型可根据用户输入的歌词内容和音乐风格描述，自动生成最长 5 分钟的完整歌曲，进一步拓展了 AI 音乐生成与歌曲创作的应用场景。

在模型架构方面，MiniMax-Music3 采用分层自回归架构：

Global LLM（全局语言模型）的参数规模为 8B，主要负责逐帧预测第 1 个 RVQ 码本，用于建模歌曲的长程语义信息以及整体结构变化。该模型基于 Qwen3-8B 初始化，在训练过程中，首先适配音乐语义词元对应的嵌入层与输出层，随后再与 Local LLM 协同完成对全部 RVQ 码本的联合建模，从而提升 AI 生成音乐在结构与语义上的一致性。

Local LLM（局部语言模型）的参数规模为 0.6B，主要用于预测每一帧中的其余声学码本，以还原更加细腻的声学细节与音频信息。

在输出能力方面，该模型生成的单首 AI 歌曲时长最长可达 5 分钟，输出格式为 32kHz、16-bit 立体声 WAV 文件。

官方最新介绍称，MiniMax-Music3 能够在长音频生成过程中持续保持音乐主题、节奏一致性、歌声身份特征以及编曲推进逻辑，并可覆盖前奏、主歌、预副歌、副歌、桥段、器乐间奏和尾奏等完整歌曲结构。

附上参考地址

MiniMax Music3 模型生成的歌曲示例

MiniMax Music3 模型的 GitHub 页面