MiniMax Music 3: ComfyUI セットアップとモデルガイド
ComfyUIでMiniMax Music 3を動かす方法: 公式Comfy-Orgチェックポイント、FP16・FP32・INT8のDiTバリアント、プルーニング版テキストエンコーダー、Flow-VAEデコーダー、テキストから音楽を生成するワークフロー。
MiniMax Music 3
音楽生成テキストから音楽Flow Matching音声MiniMax Music 3は、最長5分の楽曲を生成できるMiniMaxのオープンな音楽生成モデルです。8B Global LLMと0.6B Local LLMがFlow-MatchingシンセサイザーとFlow-VAEデコーダーを駆動し、構造化されたキャプションと歌詞から32 kHzステレオWAV音声を生成します。ComfyUIで公式にサポートされています。
| 開発元 | MiniMax |
| リリース日 | 2026-09 |
| アーキテクチャ | ハイブリッドLM（8B Global + 0.6B Local LLM）とFlow Matching合成（2.4B） |
| 音声出力 | 32 kHz、16ビット ステレオWAV |
| 最大長 | 1曲あたり最大5分 |
| ライセンス | MiniMax Music 3 Community License |
MiniMax Music 3は、2つの補完的な入力から完全な楽曲を生成します。1つは歌詞（[Intro]、[Verse]、[Chorus]、[Bridge]、[Outro] などの任意のセクションタグ付き）、もう1つはジャンル、ムード、楽器編成、ボーカル表現、プロダクションをカバーする音楽の説明です。長いシーケンスにわたって音楽的なテーマ、リズム、ボーカルの個性、アレンジを維持するため、イントロ、ヴァース、プリコーラス、コーラス、ブリッジ、アウトロといった構造の一貫性が保たれます。
仕組み
MiniMax Music 3は、楽曲全体の構造とローカルな音響ディテールを分離する階層型の自己回帰モデルです。
- 8B Global LLMはQwen3-8Bから初期化され、最初のRVQコードブックをフレーム単位で予測し、楽曲の長期的な構造をモデル化します。
- 0.6B Local LLMは各フレーム内の残りの音響コードブックを予測し、細かなディテールを復元します。
離散トークンのみからデコードするのではなく、合成モジュールは両方のLLMの最終隠れ状態を融合し、2.4BのFlow-Matchingステージを通してFlow-VAEの潜在表現へと送り込み、続いてMiniMax Speechから適応された123MのFlow-VAEデコーダーを通します。トレーニング用トークナイザーは8つのRVQレイヤーを使用します。すなわち、16,384エントリーの意味論的コードブック1つと、各1,024エントリーの音響コードブック7つです。
インストール
MiniMax Music 3は、公式のComfy-Org再パッケージリポジトリを通じてComfyUIでネイティブにサポートされています。ファイルをそれぞれのフォルダに配置してください。
| ファイル | 配置先 |
|---|---|
minimax_music3_dit_fp16.safetensors / minimax_music3_dit_fp32.safetensors / minimax_music3_dit_int8_convrot.safetensors | ComfyUI/models/diffusion_models/ |
minimax_music3_text_encoder_bf16.safetensors / minimax_music3_text_encoder_pruned_bf16.safetensors / minimax_music3_text_encoder_pruned_int8_convrot.safetensors | ComfyUI/models/text_encoders/ |
minimax_music3_dav.safetensors | ComfyUI/models/vae/ |
DiTはFP16（約4.9 GB）、FP32、INT8 convrotのバリアントで提供されています。テキストエンコーダーは8B Global LLMと0.6B Local LLMを組み合わせたもので、より小さなフットプリント向けにプルーニング版BF16とプルーニング版INT8 convrotのオプションがあります。
リソース
Guides and workflows related to this model series.
コメント
GitHubでサインインしてディスカッションに参加しましょう。