このページは英語から機械翻訳されています。英語の原文を読む。

MiniMax-Music3(音楽モデル)

公式オーディオGPUv1.0.2aigd.audio-minimax-music3
インストール アプリがまだない方は 無料でダウンロード
またはターミナルから
gamedev pkg add aigd.audio-minimax-music3
お使いのコンピューターで実行します。 モデルを一度ダウンロードするだけで、このコンピューターの GPU で生成します。

概要

MiniMax-Music3:スタイルプロンプトと[verse]/[chorus]タグ付きの歌詞から、歌付きのフル楽曲を生成します。最長5分、44.1 kHzステレオ。テーマソングやサウンドトラックのシングルに。audio.cppによりお使いのGPUでローカルに動作します。コミュニティライセンス:「MiniMax-Music3」の表示、出力が機械生成であることの明示、収益上限の条件があります。

MiniMax-Music3はMiniMaxによる楽曲生成モデルです。スタイルプロンプト(ジャンル、テンポ、キー、ボーカル、アレンジ)と、[verse] / [chorus]タグ付きの歌詞から、歌付きのフル楽曲を最長5分、44.1 kHzステレオで書き出します。AI Game Devアプリでは、ローカル音声生成(aigd.audiocpp、audio.cppランタイム)を通じてお使いのGPUでローカルに動作するため、1曲あたりのコストはかかりません。テーマソングやサウンドトラックのシングルなど、構造化された歌詞付きのボーカル曲を必要とするゲーム開発者に適しています。コミュニティライセンスは条件付きで商用利用を認めています(下記のライセンスの節を参照)。

作れるもの

  • タイトル画面、トレーラー、クレジット向けのボーカル入りテーマソング。
  • キャラクターや物語の一場面のために書いた歌詞から、ヴァースとサビを備えた楽曲。
  • 劇中音楽:ゲーム内ラジオ、酒場の吟遊詩人、コンサートシーンのための楽曲。

歌詞が必須のため、インストゥルメンタルにはこのモデルは適していません。インストゥルメンタル音楽にはACE-Step 1.5、Magenta RealTime 2、Stable Audio 3 Small Musicをお使いください。

リクエスト例

  • 「トレーラー用に、男性ボーカルの2分のヒロイックなロックアンセムを、次の歌詞で作ってください:[verse] ... [chorus] ...」
  • 「酒場の吟遊詩人用に、Dマイナーのスローフォークソングを次の歌詞で作ってください:...」
  • 「エンディングクレジット用に、女性ボーカルのアップビートなシンセポップを約3分で、次の歌詞で生成してください:[verse] ... [chorus] ...」

ハイライト

項目値
出力44.1 kHzステレオWAV、プロジェクトに保存
長さ10秒~5分(既定60秒)
入力スタイルプロンプト(最大1,000文字)と歌詞(必須、最大4,000文字、[verse] / [chorus]タグ付き)
ステップ数既定30、最大60
ガイダンス0.5~5(既定1.7)
シード既定0

durationSecondsは上限の目安です。歌詞が終わっていれば、楽曲はそこで早く終わることがあります。

このパッケージはデータのみで構成されています。モデルファイルを指定するものです。アプリは確認後にそれらをダウンロードし、それぞれをsha256で検証して、お使いのコンピューター上でaudio.cppにより実行します。

ダウンロード

8.45 GB、13ファイル、audio-cpp/MiniMax-Music3-GGUFのHugging Faceコミット46fe77f8に固定(audio.cppのデフォルトのコンポーネント構成):

ファイル部分サイズ
language_model_q4_0.gguf8B楽曲言語モデル、Q4_06.01 GB
transformer_q4_0.ggufフローマッチングTransformer、Q4_01.40 GB
rvq_depth_decoder_q8_0.ggufRVQデプスデコーダー、Q8_00.71 GB
vocoder.gguf, condition_encoder.ggufボコーダーと条件エンコーダー0.32 GB
tokenizer/*, config.json, config/*.jsonトークナイザーと設定11 MB

公式のggml-org/MiniMax-Music3-GGUF(llama.cpp、2026-11-17)を採用しないのはなぜでしょうか。Q8_0とBF16のファイルしかなく(Q8はプロジェクター込みで15.8 GB)、別のランタイム(llama.cppのllama-tts)で動作します。audio.cppのパッケージは約10 GBのGPUメモリを必要とし、他の音声モデルとランタイムを共有します。

対応コンピューター

コンピューター必要環境速度
NVIDIA GPU(CUDA)またはその他のGPU(Vulkan)約12 GBのGPUメモリRTX 5090で実時間の約1.35×(上流:30秒の楽曲でピーク9.8 GiB)
AppleシリコンのMac(Metal)約24 GBのメモリ(推定)未計測

長い楽曲ほど多くのメモリが必要です。ランタイムは楽曲全体分の領域を確保します。数値はGGUFの公開元がRTX 5090(30秒、フローステップ30)で計測したもので、当方ではまだ計測していません。

ライセンス

MiniMax-Music3 Community License(固定リビジョンの本文)。商用利用を含めて無償ですが、条件があります:

  • インターフェースでの表示義務。 本モデルを使用する商用製品やサービスは、そのユーザーインターフェースに"MiniMax-Music3"を目立つ形で表示する必要があります(第3.1条)。AI Game Devは、モデルを選択する場所やその結果を表示する場所で、この正確な名称でモデルを表示します。
  • 収益上限。 本モデルを使用する製品やサービスによる年間収益(あなたおよび関連会社)が2,000万米ドルを超える場合、MiniMaxの事前の書面による許可が必要です(api@minimax.io、件名「MiniMax-Music3 licensing - authorization request」)(第3.2条)。
  • 許容される利用。 ライセンスの別紙Aには19の禁止用途(軍事利用や他者の権利を侵害する利用など)が列挙されており、MiniMaxはこれを更新することがあります。
  • AIコンテンツの開示。 公開する音楽には、機械生成であることを明確かつ目立つ形で表示する必要があります(別紙A、第11項)。
  • 安全対策と補償。 第三者に本モデルでの生成を許す者は、権利侵害的な利用に対する合理的な安全対策を維持する必要があり(第4条)、違反が生じた場合にはあなたがMiniMaxに補償します。
  • 重みの複製には必ず著作権表示とライセンス表示を添付してください。

ライセンスが言及しているコンポーネント:言語モデルはQwen3-8B(Apache-2.0)をファインチューニングしたもの、DiTはStable Audio tools(MIT)を改変したもの、VAEはDAC(MIT)によるものです。GGUF変換:audio-cpp/MiniMax-Music3-GGUF(コミュニティによる変換で、そのカードはMiniMax-Music3ライセンスを宣言し、同一のLICENSEファイルを同梱しています)。

すべてのファイルはHugging Faceからダウンロードされます。AI Game Devはそれらをホストしていません。

バージョン

MiniMax-Music3(音楽モデル)のリリース
バージョンリリース日アプリが必要
1.0.2最新0.32.0-beta.6 以降
1.0.10.32.0-beta.6 以降

インストール

デスクトップアプリで

Packages ウィンドウを開き(ステータスバーのパッケージアイコン)、Browse を選んで aigd.audio-minimax-music3 を検索し、Add to Project をクリックします。

アプリがまだない方は、Windows、macOS、Linux 用の AI Game Dev を無料でダウンロードしてください。

ターミナルから

gamedev CLI を使い、プロジェクトフォルダーで実行します。

gamedev pkg add aigd.audio-minimax-music3

必要条件

  • AI Game Dev 0.32.0-beta.6 以降

パッケージについて詳しく

インストール
gamedev pkg add aigd.audio-minimax-music3