MiniMax Presenta MiniMax-Music3: Generador Musical de Pesos Abiertos Creando Canciones Completas de Cinco Minutos a Partir de Letras y Descripciones

MiniMax lanzó un modelo de pesos abiertos de generación musical llamado MiniMax-Music3 que convierte entrada de texto—letras con etiquetas de sección y descripciones musicales detalladas—en canciones completas de cinco minutos. El modelo combina un modelo de lenguaje global con ocho mil millones de parámetros con un modelo local más pequeño de seiscientos millones de parámetros, junto con tecnología de síntesis avanzada basada en flow matching. Lo que distingue este lanzamiento es que MiniMax distribuyó pesos listos para producción, código de inferencia y tres implementaciones de servidor documentadas en el primer día, haciendo que el modelo sea inmediatamente implementable. El sistema genera audio estéreo de 32 kHz con 16 bits utilizando un sistema de cuantización vectorial de ocho capas donde la capa primaria captura la estructura musical central y siete capas adicionales codifican detalles acústicos. La canalización de síntesis utiliza flow matching en lugar de la decodificación de tokens discretos, dirigiendo un módulo de flujo con dos mil cuatrocientos millones de parámetros. Se documentan tres opciones de implementación: SGLang-Omni como servidor de referencia que requiere dos GPU, la biblioteca diffusers que admite configuraciones de 8 GB a 24 GB de memoria, y ComfyUI con pesos optimizados.