/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
MiniMax-Music3
Опубликована
14 авг 2026

MiniMax-Music3-GGUF

Генерация аудиоТекст → аудио3 профессии

Abiray/MiniMax-Music3-GGUF — это набор GGUF-квантизаций диффузионного трансформера (DiT) модели MiniMax-Music3, разработанной MiniMaxAI.

4 395скачиваний за 30 дней35лайковвеса обновлены14 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Репозиторий адаптирует веса для локального запуска в ComfyUI с использованием расширения ComfyUI-GGUF и сниженным потреблением видеопамяти. Модель предназначена для генерации структурированных полноформатных музыкальных композиций по текстовому описанию и текстам песен, продолжительностью до 5 минут, в стереоформате с частотой 32 кГц.

Доступны варианты от F16 размером 4,98 ГБ до Q3_K_M размером 1,16 ГБ. Q8_0 рекомендуется как вариант с качеством, близким к исходному, а Q4_K_M ориентирован на видеокарты с 8–10 ГБ VRAM. Более сильное квантование уменьшает требования к памяти, но может приводить к заметному ухудшению или смягчению звучания. Для работы требуются отдельные текстовый энкодер и VAE из репозитория Comfy-Org/MiniMax-Music-3; одних GGUF-файлов недостаточно.

Наилучшие результаты достигаются при раздельной передаче текста песни с маркерами секций и описания музыки, включающего жанр, темп, тональность, вокал и аранжировку. Модель ориентирована на сценарии локальной генерации музыки через ComfyUI, включая создание песен с вокалом и заданной структурой. Условия использования наследуются от оригинальной модели и указаны как Apache-2.0.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

MiniMax-Music-3 GGUF Quantizations

This repository contains GGUF quantizations for the diffusion transformer / DiT backbone of MiniMax-Music3, a state-of-the-art text-to-music model capable of generating structured, full-length songs up to 5 minutes long at 32 kHz stereo.

These quantized weights enable running MiniMax-Music-3 locally inside ComfyUI using the ComfyUI-GGUF custom node with significantly lower VRAM requirements.


📦 Quantized Files & Recommendations

File NameQuantizationSizeRecommended Use
MiniMax-Music3-F16.ggufF164.98 GBUncompressed reference baseline
MiniMax-Music3-Q8_0.ggufQ8_02.70 GBNear-lossless audio fidelity (Recommended)
MiniMax-Music3-Q6_K.ggufQ6_K2.12 GBExcellent fidelity, minimal compression loss
MiniMax-Music3-Q5_K_M.ggufQ5_K_M1.79 GBGreat balance of speed and VRAM footprint
MiniMax-Music3-Q4_K_M.ggufQ4_K_M1.49 GBLow VRAM setups (8GB–10GB GPUs)
MiniMax-Music3-Q3_K_M.ggufQ3_K_M1.16 GBUltra-low VRAM (May introduce audible softening)

🧩 Required Companion Files

The GGUF files in this repository replace only the diffusion transformer (DiT). To generate music in ComfyUI, you will also need the text encoder and VAE models provided by Comfy-Org:


📂 ComfyUI File Placement

Place the downloaded files into their respective folders in your ComfyUI installation:

ComfyUI/
└── models/
    ├── diffusion_models/   (or models/unet/)
    │   └── MiniMax-Music3-Q8_0.gguf
    │
    ├── text_encoders/       (or models/clip/)
    │   └── minimax_music3_text_encoder_bf16.safetensors
    │
    └── vae/
        └── minimax_music3_dav.safetensors

🚀 How to Use in ComfyUI

  1. Install the ComfyUI-GGUF extension via ComfyUI Manager.
  2. In your workflow:
    • Load the GGUF model using Unet Loader (GGUF).
    • Load the text encoder using the standard CLIP / Text Encoder loader.
    • Load the VAE using the standard VAE loader.

📥 CLI Download Commands

1. Download GGUF Model

huggingface-cli download Abiray/MiniMax-Music3-GGUF MiniMax-Music3-Q8_0.gguf --local-dir ComfyUI/models/diffusion_models

2. Download Companion Text Encoder & VAE

# Text Encoder
huggingface-cli download Comfy-Org/MiniMax-Music-3 text_encoders/minimax_music3_text_encoder_bf16.safetensors --local-dir ComfyUI/models/text_encoders --local-dir-use-symlinks False

# VAE
huggingface-cli download Comfy-Org/MiniMax-Music-3 vae/minimax_music3_dav.safetensors --local-dir ComfyUI/models/vae --local-dir-use-symlinks False

✍️ Prompting Structure

MiniMax-Music-3 generates the best results when given two separate conditioning inputs:

Lyrics (with section markers on individual lines)

[Verse]
Morning light filtering through the pine
Every quiet street is yours and mine

[Chorus]
Softly the world begins to breathe

Music Description

Genre: acoustic pop. BPM: 96. Key: C major. Warm and intimate, building gently into the chorus.
Vocals: soft female lead, close and breathy, light stacked harmonies in the chorus.
Arrangement: fingerpicked guitar and soft piano; brushed drums and upright bass enter in the chorus.

📜 Credits & License

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

GGUF-веса поддерживаются только для текстовых LLM (llama.cpp).

Ревизия весов
8f90dad

0 моделей