MiniMax Music 3.0

MiniMax Music 3.0 är en musikmodell med öppna vikter, släppt den 13 augusti 2026. Man beskriver en idé för låten och kan lägga till en egen låttext, och modellen komponerar, arrangerar, sjunger och producerar en hel låt på upp till fem minuter. Med taggar som vers, refräng och brygga i texten styr man låtens uppbyggnad, och det går också att göra instrumentala partier. Exemplen i lanseringen har texter på både engelska och kinesiska, och modellen ger stereoljud i 32 kHz.

Modellen består av flera delar. En större språkmodell på 8 miljarder parametrar, byggd på Qwen, planerar musiken ruta för ruta, och en mindre på 0,6 miljarder fyller i ljuddetaljerna inom varje ruta. Därefter gör en del på 2,4 miljarder parametrar om planen till ljud, och en liten avkodare tar fram den färdiga ljudfilen. Enligt MiniMax gör uppdelningen att låten håller ihop över tid samtidigt som uttal och instrument blir tydliga.

Vikterna finns på Hugging Face och koden på GitHub under MiniMax-Music3 Community License. Den tillåter kommersiell användning, men tjänster som använder modellen måste tydligt visa namnet MiniMax-Music3, och företag med mer än 20 miljoner dollar i årsomsättning behöver skriftligt tillstånd. Modellen kräver ett NVIDIA-grafikkort; i full precision räcker under 24 GB grafikminne, och med en sparsam inställning går den på kort med 8 GB. MiniMax redovisar inga jämförande testresultat.