Hogar
MiniMax presenta Music3: un nuevo modelo de IA que convierte letras y descripciones en canciones de 5 minutos
MiniMax ha presentado MiniMax-Music3, un nuevo modelo de generación musical capaz de crear canciones completas de hasta 5 minutos de duración. Los usuarios solo tienen que proporcionar la letra y una descripción musical, y el sistema genera un archivo WAV estéreo a 32 kHz y 16 bits.
Basado en una arquitectura autorregresiva jerárquica, el sistema emplea dos modelos especializados que funcionan en tándem. El LLM global, con 8.000 millones de parámetros, predice el primer libro de códigos RVQ fotograma a fotograma para captar la semántica a largo plazo y los cambios estructurales, inicializado a partir de Qwen3-8B. Durante el entrenamiento, sus capas de incrustación y de salida se adaptan primero a los tokens semánticos musicales antes de modelar conjuntamente todos los libros de códigos con el modelo local. Por su parte, el LLM local, con tan solo 0,6 mil millones de parámetros, predice los libros de códigos acústicos restantes para cada fotograma, añadiendo gradualmente detalles de audio más precisos. Esta clara división del trabajo permite que un modelo grande se encargue del esqueleto estructural, mientras que uno más pequeño se ocupa de los matices sonoros.

Según los desarrolladores, el modelo mantiene de forma coherente los temas musicales, el ritmo, la identidad vocal y la progresión de los arreglos a lo largo de pistas de audio extensas. Conserva con precisión todos los elementos estructurales, incluidos los preludios, las estrofas, los pre-estribillos, los estribillos, los puentes, los interludios instrumentales y las codas. La página del modelo ya está disponible en GitHub, con canciones de muestra para escuchar.
Artículo relacionado
Ctrip Business Travel presenta un ecosistema de inteligencia artificial con 7 agentes del sector y 17 capacidades principales
Ctrip Business Travel ha presentado oficialmente el «Ecosistema de IA de Ctrip Business Travel», que aprovecha los modelos de lenguaje a gran escala para reestructurar de forma radical la gestión de l
Stripe adquirirá OpenRouter a medida que el enrutamiento basado en modelos de IA cobra impulso
Stripe ha acordado adquirir OpenRouter, una plataforma de enrutamiento de modelos de IA que ofrece a los desarrolladores acceso a cientos de modelos a través de una única interfaz. El acuerdo amplía e
El exinvestigador de OpenAI, Barrett Zoph, regresa a Google para colaborar en el desarrollo de Gemini
Barret Zoph, que anteriormente abandonó de forma repentina la empresa para incorporarse a OpenAI debido a un desacuerdo con la directora general de Thinking Machines Lab, Miriam Mularati, ha vuelto a
Recomendaciones de temas especiales relacionados
comentario (0)
0/500
MiniMax ha presentado MiniMax-Music3, un nuevo modelo de generación musical capaz de crear canciones completas de hasta 5 minutos de duración. Los usuarios solo tienen que proporcionar la letra y una descripción musical, y el sistema genera un archivo WAV estéreo a 32 kHz y 16 bits.
Basado en una arquitectura autorregresiva jerárquica, el sistema emplea dos modelos especializados que funcionan en tándem. El LLM global, con 8.000 millones de parámetros, predice el primer libro de códigos RVQ fotograma a fotograma para captar la semántica a largo plazo y los cambios estructurales, inicializado a partir de Qwen3-8B. Durante el entrenamiento, sus capas de incrustación y de salida se adaptan primero a los tokens semánticos musicales antes de modelar conjuntamente todos los libros de códigos con el modelo local. Por su parte, el LLM local, con tan solo 0,6 mil millones de parámetros, predice los libros de códigos acústicos restantes para cada fotograma, añadiendo gradualmente detalles de audio más precisos. Esta clara división del trabajo permite que un modelo grande se encargue del esqueleto estructural, mientras que uno más pequeño se ocupa de los matices sonoros.

Según los desarrolladores, el modelo mantiene de forma coherente los temas musicales, el ritmo, la identidad vocal y la progresión de los arreglos a lo largo de pistas de audio extensas. Conserva con precisión todos los elementos estructurales, incluidos los preludios, las estrofas, los pre-estribillos, los estribillos, los puentes, los interludios instrumentales y las codas. La página del modelo ya está disponible en GitHub, con canciones de muestra para escuchar.
Ctrip Business Travel presenta un ecosistema de inteligencia artificial con 7 agentes del sector y 17 capacidades principales
Ctrip Business Travel ha presentado oficialmente el «Ecosistema de IA de Ctrip Business Travel», que aprovecha los modelos de lenguaje a gran escala para reestructurar de forma radical la gestión de l
Stripe adquirirá OpenRouter a medida que el enrutamiento basado en modelos de IA cobra impulso
Stripe ha acordado adquirir OpenRouter, una plataforma de enrutamiento de modelos de IA que ofrece a los desarrolladores acceso a cientos de modelos a través de una única interfaz. El acuerdo amplía e
El exinvestigador de OpenAI, Barrett Zoph, regresa a Google para colaborar en el desarrollo de Gemini
Barret Zoph, que anteriormente abandonó de forma repentina la empresa para incorporarse a OpenAI debido a un desacuerdo con la directora general de Thinking Machines Lab, Miriam Mularati, ha vuelto a











