MiniMax Music 3: ComfyUI 설정 및 모델 가이드
ComfyUI에서 MiniMax Music 3 실행하기: 공식 Comfy-Org 체크포인트, FP16, FP32, INT8 DiT 버전, 프루닝된 텍스트 인코더, Flow-VAE 디코더, 텍스트-투-뮤직 워크플로.
MiniMax Music 3
Music GenerationText to MusicFlow MatchingAudioMiniMax Music 3는 최대 5분 길이의 완성된 곡을 만들 수 있는 MiniMax의 오픈 음악 생성 모델입니다. 8B Global LLM과 0.6B Local LLM이 Flow-Matching 신시사이저와 Flow-VAE 디코더를 구동해 구조화된 캡션과 가사로부터 32 kHz 스테레오 WAV 오디오를 생성합니다. ComfyUI에서 공식 지원됩니다.
| 개발사 | MiniMax |
| 출시 날짜 | 2026-09 |
| 아키텍처 | Hybrid-LM(8B Global + 0.6B Local LLM)과 Flow Matching 합성(2.4B) |
| 오디오 출력 | 32 kHz, 16비트 스테레오 WAV |
| 최대 길이 | 곡당 최대 5분 |
| 라이선스 | MiniMax Music 3 Community License |
MiniMax Music 3는 두 가지 상호 보완적인 입력으로 완성된 곡을 생성합니다. 가사([Intro], [Verse], [Chorus], [Bridge], [Outro]와 같은 선택적 섹션 태그 포함)와 장르, 분위기, 악기 구성, 보컬 퍼포먼스, 프로덕션을 아우르는 음악 설명입니다. 긴 시퀀스 전반에 걸쳐 음악적 테마, 리듬, 보컬 정체성, 편곡을 유지하므로 인트로, 벌스, 프리코러스, 코러스, 브리지, 아웃트로 같은 구조가 일관성을 잃지 않습니다.
작동 방식
MiniMax Music 3는 전역적인 음악 구조와 국소적인 음향 디테일을 분리하는 계층적 오토리그레시브 모델입니다.
- 8B Global LLM은 Qwen3-8B에서 초기화되었으며, 첫 번째 RVQ 코드북을 프레임 단위로 예측하고 곡의 장거리 구조를 모델링합니다.
- 0.6B Local LLM은 각 프레임 안의 나머지 음향 코드북을 예측하고 세밀한 디테일을 복원합니다.
이산 토큰만으로 디코딩하는 대신, 합성 모듈은 두 LLM의 최종 은닉 상태를 융합해 2.4B Flow-Matching 단계를 거쳐 Flow-VAE 잠재 데이터로 보내고, 이어서 MiniMax Speech에서 개조한 123M Flow-VAE 디코더를 통과시킵니다. 학습 토크나이저는 8개의 RVQ 레이어를 사용합니다. 즉 16,384개 항목의 시맨틱 코드북 하나와 각각 1,024개 항목의 음향 코드북 일곱 개입니다.
설치
MiniMax Music 3는 공식 Comfy-Org 재패키징 저장소를 통해 ComfyUI에서 기본 지원됩니다. 파일을 각 폴더에 넣으세요.
| 파일 | 대상 위치 |
|---|---|
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/ |
DiT는 FP16(약 4.9 GB), FP32, INT8 convrot 버전으로 제공되며, 텍스트 인코더는 8B Global LLM과 0.6B Local LLM을 조합하고 더 작은 용량을 위한 프루닝된 BF16 및 프루닝된 INT8 convrot 옵션도 갖추고 있습니다.
리소스
Guides and workflows related to this model series.
댓글
GitHub로 로그인하고 토론에 참여하세요.