Heim
MiniMax stellt „Music3“ vor: ein neues KI-Modell, das Songtexte und Beschreibungen in 5-minütige Songs verwandelt
MiniMax hat mit „MiniMax-Music3“ ein neues Modell zur Musikgenerierung vorgestellt, das komplette Songs mit einer Länge von bis zu 5 Minuten erstellen kann. Der Nutzer muss lediglich einen Liedtext und eine musikalische Beschreibung eingeben, woraufhin das System eine Stereo-WAV-Datei mit 32 kHz und 16 Bit ausgibt.
Das System basiert auf einer hierarchischen autoregressiven Architektur und nutzt zwei spezialisierte Modelle, die zusammenarbeiten. Das „Global LLM“ mit 8 Milliarden Parametern prognostiziert Frame für Frame das erste RVQ-Codebook, um langfristige Semantik und strukturelle Veränderungen zu erfassen, und wird auf Basis von Qwen3-8B initialisiert. Während des Trainings werden seine Einbettungs- und Ausgabeschichten zunächst an musikalische semantische Token angepasst, bevor alle Codebooks gemeinsam mit dem lokalen Modell modelliert werden. Gleichzeitig prognostiziert das „Local LLM“ mit nur 0,6 Milliarden Parametern die verbleibenden akustischen Codebücher für jeden Frame und fügt nach und nach feinkörnige Audiodetails hinzu. Diese klare Arbeitsteilung ermöglicht es einem großen Modell, das strukturelle Gerüst zu übernehmen, während ein kleineres Modell die klanglichen Nuancen ausfüllt.

Den Entwicklern zufolge bewahrt das Modell über lange Audiotracks hinweg konsequent musikalische Themen, Rhythmus, Gesangsidentität und den Verlauf des Arrangements. Es bewahrt präzise alle strukturellen Elemente, darunter Einleitungen, Strophen, Pre-Chorusse, Refrains, Brücken, instrumentale Zwischenspiele und Codas. Die Modellseite ist nun auf GitHub online, komplett mit Beispielsongs zum Anhören.
Verwandter Artikel
Ctrip Business Travel stellt ein KI-Ökosystem mit 7 Branchenagenten und 17 Kernfunktionen vor
Ctrip Business Travel hat offiziell das „Ctrip Business Travel AI Ecosystem“ vorgestellt, das mithilfe großer Sprachmodelle das Reisemanagement von Unternehmen grundlegend neu gestaltet. Dieses umfass
Stripe übernimmt OpenRouter – Routing auf Basis von KI-Modellen gewinnt an Dynamik
Stripe hat die Übernahme von OpenRouter vereinbart, einer Plattform für das Routing von KI-Modellen, die Entwicklern über eine einzige Schnittstelle Zugriff auf Hunderte von Modellen bietet. Durch die
Der ehemalige OpenAI-Forscher Barrett Zoph kehrt zu Google zurück, um die Entwicklung von Gemini voranzutreiben
Barret Zoph, der zuvor aufgrund von Meinungsverschiedenheiten mit Miriam Mularati, der Geschäftsführerin von Thinking Machines Lab, überraschend das Unternehmen verlassen und zu OpenAI gewechselt war,
Empfehlungen zu verwandten Spezialthemen
Kommentare (0)
MiniMax hat mit „MiniMax-Music3“ ein neues Modell zur Musikgenerierung vorgestellt, das komplette Songs mit einer Länge von bis zu 5 Minuten erstellen kann. Der Nutzer muss lediglich einen Liedtext und eine musikalische Beschreibung eingeben, woraufhin das System eine Stereo-WAV-Datei mit 32 kHz und 16 Bit ausgibt.
Das System basiert auf einer hierarchischen autoregressiven Architektur und nutzt zwei spezialisierte Modelle, die zusammenarbeiten. Das „Global LLM“ mit 8 Milliarden Parametern prognostiziert Frame für Frame das erste RVQ-Codebook, um langfristige Semantik und strukturelle Veränderungen zu erfassen, und wird auf Basis von Qwen3-8B initialisiert. Während des Trainings werden seine Einbettungs- und Ausgabeschichten zunächst an musikalische semantische Token angepasst, bevor alle Codebooks gemeinsam mit dem lokalen Modell modelliert werden. Gleichzeitig prognostiziert das „Local LLM“ mit nur 0,6 Milliarden Parametern die verbleibenden akustischen Codebücher für jeden Frame und fügt nach und nach feinkörnige Audiodetails hinzu. Diese klare Arbeitsteilung ermöglicht es einem großen Modell, das strukturelle Gerüst zu übernehmen, während ein kleineres Modell die klanglichen Nuancen ausfüllt.

Den Entwicklern zufolge bewahrt das Modell über lange Audiotracks hinweg konsequent musikalische Themen, Rhythmus, Gesangsidentität und den Verlauf des Arrangements. Es bewahrt präzise alle strukturellen Elemente, darunter Einleitungen, Strophen, Pre-Chorusse, Refrains, Brücken, instrumentale Zwischenspiele und Codas. Die Modellseite ist nun auf GitHub online, komplett mit Beispielsongs zum Anhören.
Ctrip Business Travel stellt ein KI-Ökosystem mit 7 Branchenagenten und 17 Kernfunktionen vor
Ctrip Business Travel hat offiziell das „Ctrip Business Travel AI Ecosystem“ vorgestellt, das mithilfe großer Sprachmodelle das Reisemanagement von Unternehmen grundlegend neu gestaltet. Dieses umfass
Stripe übernimmt OpenRouter – Routing auf Basis von KI-Modellen gewinnt an Dynamik
Stripe hat die Übernahme von OpenRouter vereinbart, einer Plattform für das Routing von KI-Modellen, die Entwicklern über eine einzige Schnittstelle Zugriff auf Hunderte von Modellen bietet. Durch die
Der ehemalige OpenAI-Forscher Barrett Zoph kehrt zu Google zurück, um die Entwicklung von Gemini voranzutreiben
Barret Zoph, der zuvor aufgrund von Meinungsverschiedenheiten mit Miriam Mularati, der Geschäftsführerin von Thinking Machines Lab, überraschend das Unternehmen verlassen und zu OpenAI gewechselt war,











