Maison
MiniMax dévoile Music3 : un nouveau modèle d'IA qui transforme des paroles et des descriptions en chansons de 5 minutes
MiniMax a lancé MiniMax-Music3, un nouveau modèle de génération musicale capable de créer des morceaux complets d'une durée maximale de 5 minutes. Il suffit aux utilisateurs de fournir des paroles et une description musicale pour que le système génère un fichier WAV stéréo à 32 kHz et 16 bits.
S’appuyant sur une architecture autorégressive hiérarchique, le système utilise deux modèles spécialisés fonctionnant en tandem. Le LLM global, doté de 8 milliards de paramètres, prédit le premier codebook RVQ trame par trame afin de saisir la sémantique à long terme et les changements structurels, en s’appuyant sur Qwen3-8B pour son initialisation. Pendant l’entraînement, ses couches d’encodage et de sortie sont d’abord adaptées aux tokens sémantiques musicaux avant de modéliser conjointement tous les codebooks avec le modèle local. De son côté, le LLM local, doté de seulement 0,6 milliard de paramètres, prédit les codebooks acoustiques restants pour chaque trame, en ajoutant progressivement des détails audio plus fins. Cette répartition claire des tâches permet à un grand modèle de gérer le squelette structurel tandis qu’un plus petit modèle apporte les nuances sonores.

Selon les développeurs, le modèle préserve de manière cohérente les thèmes musicaux, le rythme, l’identité vocale et la progression des arrangements tout au long de longs morceaux audio. Il conserve avec précision tous les éléments structurels, notamment les préludes, les couplets, les pré-refrains, les refrains, les ponts, les interludes instrumentaux et les codas. La page du modèle est désormais en ligne sur GitHub, accompagnée d’extraits de morceaux à écouter.
Article connexe
Ctrip Business Travel dévoile un écosystème d'intelligence artificielle comprenant 7 agents sectoriels et 17 fonctionnalités clés
Ctrip Business Travel a officiellement dévoilé l’« Écosystème IA de Ctrip Business Travel », qui s’appuie sur des modèles linguistiques de grande envergure pour restructurer en profondeur la gestion d
Stripe va acquérir OpenRouter alors que le routage basé sur des modèles d'IA prend de l'ampleur
Stripe a conclu un accord en vue d’acquérir OpenRouter, une plateforme de routage de modèles d’IA qui permet aux développeurs d’accéder à des centaines de modèles via une interface unique. Cette acqui
Barrett Zoph, ancien chercheur chez OpenAI, revient chez Google pour contribuer au développement de Gemini
Barret Zoph, qui avait auparavant quitté brusquement l’entreprise pour rejoindre OpenAI en raison d’un désaccord avec Miriam Mularati, PDG de Thinking Machines Lab, a une nouvelle fois changé d’employ
Recommandations de sujets spéciaux liés
commentaires (0)
MiniMax a lancé MiniMax-Music3, un nouveau modèle de génération musicale capable de créer des morceaux complets d'une durée maximale de 5 minutes. Il suffit aux utilisateurs de fournir des paroles et une description musicale pour que le système génère un fichier WAV stéréo à 32 kHz et 16 bits.
S’appuyant sur une architecture autorégressive hiérarchique, le système utilise deux modèles spécialisés fonctionnant en tandem. Le LLM global, doté de 8 milliards de paramètres, prédit le premier codebook RVQ trame par trame afin de saisir la sémantique à long terme et les changements structurels, en s’appuyant sur Qwen3-8B pour son initialisation. Pendant l’entraînement, ses couches d’encodage et de sortie sont d’abord adaptées aux tokens sémantiques musicaux avant de modéliser conjointement tous les codebooks avec le modèle local. De son côté, le LLM local, doté de seulement 0,6 milliard de paramètres, prédit les codebooks acoustiques restants pour chaque trame, en ajoutant progressivement des détails audio plus fins. Cette répartition claire des tâches permet à un grand modèle de gérer le squelette structurel tandis qu’un plus petit modèle apporte les nuances sonores.

Selon les développeurs, le modèle préserve de manière cohérente les thèmes musicaux, le rythme, l’identité vocale et la progression des arrangements tout au long de longs morceaux audio. Il conserve avec précision tous les éléments structurels, notamment les préludes, les couplets, les pré-refrains, les refrains, les ponts, les interludes instrumentaux et les codas. La page du modèle est désormais en ligne sur GitHub, accompagnée d’extraits de morceaux à écouter.
Ctrip Business Travel dévoile un écosystème d'intelligence artificielle comprenant 7 agents sectoriels et 17 fonctionnalités clés
Ctrip Business Travel a officiellement dévoilé l’« Écosystème IA de Ctrip Business Travel », qui s’appuie sur des modèles linguistiques de grande envergure pour restructurer en profondeur la gestion d
Stripe va acquérir OpenRouter alors que le routage basé sur des modèles d'IA prend de l'ampleur
Stripe a conclu un accord en vue d’acquérir OpenRouter, une plateforme de routage de modèles d’IA qui permet aux développeurs d’accéder à des centaines de modèles via une interface unique. Cette acqui
Barrett Zoph, ancien chercheur chez OpenAI, revient chez Google pour contribuer au développement de Gemini
Barret Zoph, qui avait auparavant quitté brusquement l’entreprise pour rejoindre OpenAI en raison d’un désaccord avec Miriam Mularati, PDG de Thinking Machines Lab, a une nouvelle fois changé d’employ











