5分钟完整歌曲，AI一个人全包了？MiniMax Music3让你只出歌词就行

写歌词给AI，它就能给你整出一首5分钟的歌，前奏副歌间奏尾奏一个不少，这活儿现在真成了。

MiniMax今天发布了新一代音乐生成模型MiniMax-Music3，你把歌词填好、再写上几句想要的风格描述，剩下的全交给它。一分钟的短片段早就过时了，这次一口气能生成最长5分钟的完整歌曲，音质也上了档次——32kHz采样率、16-bit立体声WAV文件，拿专业播放器听也不露怯。

能撑起这个时长还不出戏，靠的是一套“两人分工”的架构。

简单说，这模型内部有两个角色，一个管大局，一个抠细节。管大局的叫Global LLM，8B参数，相当于整首歌的“总导演”——先看整体结构，弄明白哪里是前奏、哪里该进副歌、什么时候情绪该往上推。有意思的是，这个“总导演”是从阿里的Qwen3-8B文本模型“改行”过来的，训练时先让它的输入输出层学会理解音乐语义，再和下面的“细节执行者”配合干活。

抠细节的叫Local LLM，参数只有0.6B，负责把每一帧的声音信息填满，嗓音质感、配器层次、鼓点亮度，都是它一笔一笔描出来的。一个管骨架，一个填血肉，俩模型上下对接，才保证了你听到的不只是一段旋律堆砌，而是一首有呼吸感、有推进结构的歌。

官方特别提到，长音频里最容易翻车的三个事——音乐主题跑偏、节奏松散、人声和编曲“各唱各的”——Music3都能稳住。歌唱者的身份感从头到尾保持一致，编曲也在按情绪逻辑往前走，不会出现副歌突然像换了首歌的情况。

现在模型页面已经挂在Hugging Face上，官方放了几首生成的示例，想看看AI写歌现在到了什么段位，点进去试听一下最直白。

音乐生成卷到今天，拼的不再是“能不能出歌”，而是“能不能出一首能从头听到尾的歌”。MiniMax这张牌打出来之后，压力给到了同赛道的其他玩家。