MiniMax опубликовал веса Music 3 — open-source модель, которая по текстовому промпту создаёт полноценные песни с вокалом, инструментами и структурой (куплет-припев) за один проход, длительностью до 5 минут (по данным одного источника — до 10 минут). Модель уже интегрирована в ComfyUIi, HuggingFace Diffusers и SGLang, работает локально и не требует топового железа.
В отличие от типичных audio-token генераторов, MiniMax использует гибридную архитектуру из двух LLM плюс модуль Flow Matching и Flow-VAEi, что даёт более гибкий контроль над структурой трека, вокалом и аранжировкой через отдельные seed и CFG для разных уровней генерации.
24 GBминимум VRAM для полной точности
8Bразмер Global LLM (Qwen3-8B)
32 kHzчастота дискретизации выходного аудио
