# MiniMax-Music3（音乐模型）

> MiniMax-Music3：根据风格提示词和带 \[verse\]/\[chorus\] 标签的歌词，生成带人声演唱的完整歌曲，最长 5 分钟，44.1 kHz 立体声，适合主题曲和原声单曲。使用 audio.cpp 在你的 GPU 上本地运行。社区许可：需展示“MiniMax-Music3”、将输出标注为机器生成、营收上限。

- ID: `aigd.audio-minimax-music3`
- 来源: 官方 (第一方 `aigd.*`)
- 分类: 音频
- 发布者: AI Game Dev (`aigd`), 已验证
- 最新版本: 1.0.2 (发布于 2026-11-22)
- 许可证: SEE LICENSE IN README.md
- 需要 AI Game Dev 应用: `>=0.32.0-beta.6`
- 原生代码: 否
- 评分: 暂无评分
- HTML 页面: https://ai-game.dev/zh-hans/packages/aigd.audio-minimax-music3

## 安装

使用 gamedev CLI，在项目文件夹中运行：

```bash
gamedev pkg add aigd.audio-minimax-music3
```

在桌面应用中：打开 Packages 窗口（状态栏中的包图标），选择 **Browse**，搜索 `aigd.audio-minimax-music3`，然后点击 **Add to Project**。更多：https://ai-game.dev/docs/wiki/app/packages

## 版本

| 版本 | 发布时间 | 需要应用 | 备注 |
|---|---|---|---|
| 1.0.2 | 2026-11-22 | `>=0.32.0-beta.6` | 最新 |
| 1.0.1 | 2026-11-21 | `>=0.32.0-beta.6` | - |

## 描述

````markdown
# MiniMax-Music3 (`aigd.audio-minimax-music3`)

MiniMax-Music3 是 MiniMax 推出的歌曲生成模型。它根据风格提示词（曲风、速度、调性、人声、编曲）和你带 `[verse]` / `[chorus]` 标签的歌词，写出带人声演唱的完整歌曲：最长 5 分钟、44.1 kHz 立体声。在 AI Game Dev 应用中，它通过 **Local audio generation**（`aigd.audiocpp`，即 audio.cpp 运行时）在你的 GPU 上本地运行，因此每首歌都不产生费用。它适合需要带结构化歌词的人声歌曲的游戏开发者，例如主题曲和原声单曲。其社区许可允许商业使用，但附带条件（见下方许可部分）。

## 你可以制作什么

- 用于标题画面、预告片或制作人员名单的人声主题曲。
- 根据你为某个角色或某段剧情写的歌词，生成包含主歌和副歌的歌曲。
- 叙事内音乐：用于游戏内电台、酒馆吟游诗人或演唱会场景的歌曲。

歌词是必需的，所以这个模型不适合纯音乐。纯音乐请使用 [ACE-Step 1.5](https://ai-game.dev/packages/aigd.audio-ace-step-1-5)、[Magenta RealTime 2](https://ai-game.dev/packages/aigd.audio-magenta-rt2) 或 [Stable Audio 3 Small Music](https://ai-game.dev/packages/aigd.audio-stable-audio-3-small-music)。

## 示例请求

- “为预告片写一首 2 分钟的男声英雄摇滚颂歌，使用这些歌词：[verse] ... [chorus] ...”
- “为酒馆吟游诗人做一首 D 小调的慢速民谣，使用这些歌词：……”
- “为片尾字幕生成一首女声演唱的欢快合成器流行歌曲，约 3 分钟，使用这些歌词：[verse] ... [chorus] ...”

## 亮点

| 规格 | 值 |
|---|---|
| 输出 | 44.1 kHz 立体声 WAV，保存到你的项目中 |
| 长度 | 10 秒到 5 分钟（默认 60 秒） |
| 输入 | 风格提示词（最多 1,000 个字符）和歌词（必需，最多 4,000 个字符），带 `[verse]` / `[chorus]` 标签 |
| 步数 | 默认 30，最多 60 |
| 引导 | 0.5 到 5（默认 1.7） |
| 种子 | 默认 0 |

`durationSeconds` 是预算上限：歌词唱完后，歌曲可以提前结束。

此包只包含数据。它列出模型文件。应用在你确认后下载它们，用 sha256 逐个校验，并在你的电脑上用 audio.cpp 运行。

## 下载

8.45 GB，13 个文件，固定到 [`audio-cpp/MiniMax-Music3-GGUF`](https://huggingface.co/audio-cpp/MiniMax-Music3-GGUF/tree/46fe77f8bb395ccdbe797d784225f7b84866e7ce) 的 Hugging Face 提交 `46fe77f8`（audio.cpp 的默认组件组合）：

| 文件 | 部分 | 大小 |
|---|---|---:|
| `language_model_q4_0.gguf` | 8B 歌曲语言模型，Q4_0 | 6.01 GB |
| `transformer_q4_0.gguf` | 流匹配 transformer，Q4_0 | 1.40 GB |
| `rvq_depth_decoder_q8_0.gguf` | RVQ 深度解码器，Q8_0 | 0.71 GB |
| `vocoder.gguf`, `condition_encoder.gguf` | 声码器和条件编码器 | 0.32 GB |
| `tokenizer/*`, `config.json`, `config/*.json` | 分词器和配置 | 11 MB |

为什么不用官方 `ggml-org/MiniMax-Music3-GGUF`（llama.cpp，2026-11-17）？它只有 Q8_0 和 BF16 文件（Q8 加上其投影器为 15.8 GB），而且要跑在第二个运行时里（llama.cpp 的 `llama-tts`）。audio.cpp 包需要约 10 GB 显存，并与其他音频模型共用运行时。

## 适用电脑

| 电脑 | 需求 | 速度 |
|---|---|---|
| NVIDIA GPU（CUDA）或其他 GPU（Vulkan） | 约 12 GB 显存 | 在 RTX 5090 上约为实时的 1.35 倍（上游：30 秒歌曲峰值 9.8 GiB） |
| Apple 芯片的 Mac（Metal） | 约 24 GB 内存（估计） | 尚未实测 |

歌曲越长需要越多显存：运行时会为整首歌预留空间。由 GGUF 发布者在 RTX 5090 上实测（30 秒，30 个 flow 步数）；我们尚未实测。

## 许可

**MiniMax-Music3 社区许可**（[固定修订版本的文本](https://huggingface.co/MiniMaxAI/MiniMax-Music3/blob/1b525ccb685ae809f33027c51c351eeb5833cf72/LICENSE)）。免费，包括商业使用，但附带条件：

- **界面署名。** 使用该模型的商业产品或服务必须在其用户界面中显著展示 "MiniMax-Music3"（§3.1）。AI Game Dev 在你选择该模型或查看其结果的所有位置，都以该确切名称显示它。
- **营收上限。** 当（你及你的关联公司）来自使用该模型的产品或服务的年营收超过 2000 万美元时，需要 MiniMax 事先书面授权（api@minimax.io，主题为“MiniMax-Music3 licensing - authorization request”）（§3.2）。
- **可接受使用。** 许可的附录 A 列出了 19 项禁止用途（其中包括军事用途和侵犯他人权利）；MiniMax 可能会更新该附录。
- **披露 AI 内容。** 你发布的音乐必须清晰、显著地标注为机器生成（附录 A 第 11 项）。
- **保障措施与赔偿。** 任何允许第三方使用该模型进行生成的一方，都必须保留合理的保障措施以防侵权用途（§4），并且你需就违约行为对 MiniMax 作出赔偿。
- 每份权重副本都应附上版权和许可声明。

许可中提及的组件：语言模型基于 [Qwen3-8B](https://huggingface.co/Qwen/Qwen3-8B) 微调（Apache-2.0）；DiT 修改自 Stable Audio tools（MIT）；VAE 来自 DAC（MIT）。GGUF 转换：[`audio-cpp/MiniMax-Music3-GGUF`](https://huggingface.co/audio-cpp/MiniMax-Music3-GGUF)（社区转换；其模型卡声明 MiniMax-Music3 许可，并附带相同的 LICENSE 文件）。

所有文件均从 Hugging Face 下载。AI Game Dev 不托管这些文件。
````
