MiniMax Lança MiniMax-Music3: Gerador Musical de Pesos Abertos Criando Músicas Completas de Cinco Minutos a Partir de Letras e Descrições

A MiniMax lançou um modelo de pesos abertos de geração musical chamado MiniMax-Music3 que converte entrada de texto—letras com marcadores de seção e descrições musicais detalhadas—em músicas completas de cinco minutos. O modelo combina um modelo de linguagem global com oito bilhões de parâmetros com um modelo local menor de seiscentos milhões de parâmetros, unido à tecnologia de síntese avançada baseada em flow matching. O que diferencia este lançamento é que a MiniMax distribuiu pesos prontos para produção, código de inferência e três implementações de servidor documentadas no primeiro dia, tornando o modelo imediatamente implementável. O sistema gera áudio estéreo de 32 kHz com 16 bits utilizando um sistema de quantização vetorial de oito camadas onde a camada primária captura a estrutura musical central e sete camadas adicionais codificam detalhes acústicos. O pipeline de síntese utiliza flow matching em vez da decodificação de tokens discretos, direcionando um módulo de fluxo com dois bilhões e quatrocentos milhões de parâmetros. Três opções de implementação são documentadas: SGLang-Omni como servidor de referência necessitando duas GPUs, a biblioteca diffusers suportando configurações de 8 GB a 24 GB de memória, e ComfyUI com pesos otimizados.