MiniMax ra mắt Music3: Mô hình AI tạo bài hát hoàn chỉnh dài tới 5 phút

Theo tin từ IT ngày 14 tháng 8, công ty AI MiniMax hôm nay (14/8) đã ra mắt mô hình tạo nhạc MiniMax-Music3, có khả năng tạo ra các bài hát hoàn chỉnh dài tối đa 5 phút dựa trên lời bài hát và mô tả âm nhạc.

Về mặt kiến trúc, mô hình MiniMax-Music3 sử dụng kiến trúc tự hồi quy phân tầng (hierarchical autoregressive architecture):

Global LLM (mô hình ngôn ngữ toàn cục) có quy mô tham số 8B, dự đoán mã bản (codebook) RVQ đầu tiên theo từng khung hình, chịu trách nhiệm mô hình hóa ngữ nghĩa dài hạn và các thay đổi về cấu trúc của bài hát; Global LLM được khởi tạo dựa trên Qwen3-8B, trong quá trình huấn luyện sẽ thích ứng trước với lớp nhúng và lớp đầu ra của các token ngữ nghĩa âm nhạc, sau đó phối hợp cùng Local LLM để mô hình hóa toàn bộ các mã bản RVQ.

Local LLM (mô hình ngôn ngữ cục bộ) có quy mô tham số 0.6B, dự đoán các mã bản âm thanh còn lại trong mỗi khung hình để khôi phục thông tin âm thanh chi tiết.

Về đầu ra, mỗi bài hát do mô hình tạo ra có thời lượng tối đa 5 phút, định dạng đầu ra là file WAV stereo 32kHz, 16-bit.

Phía công ty cho biết, mô hình có khả năng duy trì chủ đề âm nhạc, nhịp điệu, đặc trưng giọng hát và sự phát triển của bản phối trong các đoạn âm thanh dài, bao phủ các cấu trúc như nhạc dạo đầu (intro), lời bài hát (verse), tiền điệp khúc (pre-chorus), điệp khúc (chorus), đoạn chuyển (bridge), đoạn nhạc đệm (instrumental interlude) và đoạn kết (outro).

IT đính kèm địa chỉ tham khảo

Các ví dụ bài hát do mô hình MiniMax Music3 tạo ra

Trang GitHub của mô hình MiniMax Music3

Tuyên bố quảng cáo: Các liên kết chuyển hướng bên ngoài có trong bài viết (bao gồm nhưng không giới hạn ở siêu liên kết, mã QR, mật khẩu, v.v.) được sử dụng để truyền tải thêm thông tin, giúp tiết kiệm thời gian lựa chọn, kết quả chỉ mang tính chất tham khảo. Tất cả các bài viết có chứa liên kết ngoài trên IT đều bao gồm tuyên bố này.