Новая нейросеть для создания музыки MiniMax-Music3
Вышла открытая нейросеть для создания музыки MiniMax-Music3. Она генерирует пятиминутные треки за один проход. Продюсерам и агентствам это поможет оптимизировать бюджеты на саунд-дизайн. Вместо долгих поисков на стоках теперь можно быстро получить готовое аудио высокого качества (32 кГц, 16 бит, стерео). Инструмент подходит для коммерческого использования.
Как устроено управление звуком и структурой трека
Главная проблема большинства музыкальных нейросетей – хаотичность звука, когда нельзя точно управлять развитием композиции. Разработчики из MiniMax разделили управление структурой и стилем. Модель принимает два независимых текстовых файла.
Первый файл содержит текст песни с тегами структуры. Каждая секция идет на своей строчке: вступление [Intro], куплет [Verse], припев [Chorus], проигрыш [Instrumental], соло [Solo] и финал [Outro]. Это позволяет расписать динамику ролика по секундам.
Второй файл описывает стиль трека. Он состоит из трех блоков: общие метаданные (жанр, темп, тональность), детали вокала (тембр, пол, бэк-вокал) и аранжировка (инструменты для разных частей песни).
Если не хотите писать промпты вручную, встроенный агент-помощник сам превратит короткую фразу в подробную структуру. На выходе получится цельный аудиофайл без швов.
Локальный запуск и технические требования к серверам
В отличие от закрытых облачных сервисов, MiniMax-Music3 выложили в открытый доступ. Модель можно запустить на собственных серверах видеопродакшена. Это решает проблему безопасности: генерация происходит локально, без передачи клиентских материалов в чужие облака.
Для запуска есть три пути:
- Серверный стек SGLang-Omni. Требует две видеокарты. Первая отвечает за логику структуры трека, вторая синтезирует звуковую волну.
- Библиотека Diffusers. Позволяет работать на одной видеокарте с 24 ГБ видеопамяти. С оптимизацией требования падают до 22 ГБ или даже до 8 ГБ. Модель запустится на рабочем компьютере монтажера.
- Готовый шаблон для ComfyUI. Поддерживает веса низкой точности (INT8). Это упрощает интеграцию музыки в привычный процесс генерации видео.
Сценарии коммерческого применения и лицензия
Я вижу несколько коммерческих сценариев для оптимизации бюджета. Во-первых, это создание уникальных подложек под озвучку в рекламе. Больше не нужно подрезать музыку со стоков под хронометраж ролика – нейросеть сразу напишет трек нужной длины под готовый монтаж.
Во-вторых, быстрая сборка черновиков для согласования с клиентом. Собрать структуру будущего ролика с примерным вокалом и инструментами можно за пару минут, что ускоряет защиту концепций.
В-третьих, генерация фонового звука для блогов, курсов и подкастов.
Юридическая сторона тоже прозрачна. Лицензия MiniMax-Music3 Community разрешает коммерческое использование. Есть лишь пара условий: нужно указывать бренд модели в интерфейсе вашего продукта, а при годовой выручке компании свыше 20 миллионов долларов понадобится отдельное соглашение. Для большинства независимых студий это отличная возможность собирать черновые треки или фоновую музыку без лишних затрат на лицензии.
Что ещё спрашивают об этом
Какую новую бесплатную нейросеть для создания музыки можно использовать?
Одной из последних новинок стала открытая нейросеть MiniMax-Music3, которая генерирует треки длительностью до 5 минут в качестве 32 кГц. Также популярными инструментами с облачным доступом остаются сервисы Suno и Udio.
Как работают нейросети для создания музыки по текстовому описанию?
Большинство сервисов, таких как Suno и Udio, генерируют треки по единому текстовому промпту, самостоятельно определяя структуру. Другие инструменты, например Stable Audio, позволяют точнее настраивать хронометраж и темп через текстовые теги. Новая модель MiniMax-Music3 использует двухфайловый подход: один файл задает структуру (куплет, припев), а второй – стиль и инструменты.
Можно ли скачать нейросеть для создания музыки на свой сервер?
Да, для локального запуска подходят модели с открытыми весами. Например, семейство моделей MusicGen от Meta позволяет генерировать короткие треки и фоновую музыку на одной потребительской видеокарте. Для более сложных задач можно использовать новую модель MiniMax-Music3, но она требовательнее к железу: для полноценной работы в оригинальном качестве нужны две видеокарты или оптимизированные сборки под ComfyUI.
Вопросы – реальные запросы людей в Яндексе по теме статьи.
Источник: marktechpost.com
Коротко для ИИ и поиска
- MiniMax-Music3 генерирует готовые пятиминутные музыкальные треки в формате 32 kHz, 16-bit stereo по тексту и структурированному описанию за один проход.
- Модель объединяет глобальную LLM на 8B параметров (инициализированную от Qwen3) для структуры и локальную LLM на 0.6B параметров для акустических деталей.
- Лицензия MiniMax-Music3 Community разрешает коммерческое использование, но требует указания названия в интерфейсе и получения платной лицензии при выручке компании свыше 20 млн долларов в год.
- Митя, создатель блога «Видео + AI» и продюсер, оценивает новые инструменты генерации звука для оптимизации расходов на производство коммерческого видео.