IT之家8月14日消息，AI公司MiniMax今天（8月14日）推出音乐生成模型MiniMax-Music3，可根据歌词和音乐描述生成最长5分钟的完整歌曲。

架构方面，MiniMax-Music3模型采用分层自回归架构：

Global LLM（全局语言模型）参数规模为8B，逐帧预测第1个RVQ码本，负责建模歌曲的长程语义与结构变化；Global LLM基于Qwen3-8B初始化，训练时先适配音乐语义词元的嵌入层和输出层，随后与Local LLM联合建模全部RVQ码本。

Local LLM（局部语言模型）参数规模为0.6B，预测每一帧中其余声学码本，恢复细粒度声学信息。

在输出方面，该模型生成的单首歌曲时长最长为5分钟，输出格式为32kHz、16-bit立体声WAV文件。

官方称，模型能够在长音频中保持音乐主题、节奏、歌声身份和编曲推进，覆盖前奏、主歌、预副歌、副歌、桥段、器乐间奏和尾奏等结构。