Характеристики

Лицензия: Своя лицензия
Архитектура: minimax_music3 · dense
Базовая модель: MiniMax-Music3
Библиотека: audio.cpp
Опубликована: 14 авг 2026

Ссылки

Hugging Face

MiniMax-Music3-GGUF

audio-cpp

Генерация аудиоТекст → аудио3 профессии

MiniMax Music 3 GGUF — пакет модели MiniMax Music 3, разработанный для audio.cpp и распространяемый в формате GGUF.

580 тыс.скачиваний за 30 дней32лайкавеса обновлены6 окт 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

Модель предназначена для генерации музыки и песен по текстовому описанию, включая задание текста песни через lyrics. Она поддерживает длительные генерации, в том числе композиции продолжительностью до пяти минут, однако такие запуски ориентированы прежде всего на завершённость и качество, а не на работу в реальном времени.

Пакет включает несколько компонентов: language model, flow transformer, RVQ depth decoder, condition encoder и vocoder. Доступны варианты компонентов в форматах BF16, Q8_0 и Q4_0, что позволяет выбирать между качеством, скоростью и потреблением памяти. Конкретные архитектурные размеры, число параметров, список языков и поддерживаемые модальности в README не указаны. В конфигурации по умолчанию используются Q4_0 для language model и flow transformer и Q8_0 для RVQ depth decoder. На RTX 5090 с CUDA для 30-секундной генерации заявлены скорость 1,35x реального времени и пиковое потребление 9,8 GiB VRAM; вариант BF16 требует 19,4 GiB и работает медленнее реального времени.

Сильные стороны модели — поддержка генерации песен с заданными текстом и описанием стиля, возможность выбора точности компонентов и наличие оптимизированной конфигурации для GPU. Ограничения включают активную оптимизацию потребления памяти, отсутствие гарантии realtime-производительности для длинных композиций и зависимость от audio.cpp с подходящим backend. Пакет распространяется по MiniMax Music 3 Community License; перед использованием, особенно в коммерческих проектах, необходимо проверить условия лицензии.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделей IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

MiniMax Music 3 GGUF

GGUF package for MiniMax Music 3 for audio.cpp.

Star our repo so you don't miss important updates! https://github.com/0xShug0/audio.cpp

Upstream model: https://huggingface.co/MiniMaxAI/MiniMax-Music3 Upstream license: https://huggingface.co/MiniMaxAI/MiniMax-Music3/blob/main/LICENSE

Compatible Q8 GGUF package: https://huggingface.co/joemattie/MiniMax-Music3-GGUF

Notes

The implementation is available on the main branch and release 0.6.1.
The current runtime uses model-local resource loading instead of treating the v1 spec as the runtime contract. This keeps component selection flexible while the package layout and option surface settle.
The default component mix favors Q4_0 for the large language model and flow transformer, with Q8_0 for the RVQ depth decoder.
BF16, Q8_0, and Q4_0 component variants are included for quality/performance comparison.
Longer generations such as five-minute songs are supported as long-form runs, but they are currently tuned for completion and quality checks rather than realtime throughput.
Memory usage remains an active optimization target for larger durations and alternate component mixes.

Performance Snapshot

Measured on an RTX 5090 with CUDA using a 30-second lyric generation request, 30 flow steps, flow guidance scale 1.7, AR guidance scale 1.5, and top-k 50. Peak VRAM is the observed nvidia-smi process peak during a warmup-plus-measured-request run.

Component mix	Language model	RVQ depth decoder	Flow transformer	RTF	Speed	Peak VRAM
Default Q4/Q8/Q4	`q4_0`	`q8_0`	`q4_0`	0.738	1.35x realtime	9.8 GiB
Q8	`q8_0`	`q8_0`	`q8_0`	0.832	1.20x realtime	13.4 GiB
BF16	`bf16`	`bf16`	`bf16`	1.389	0.72x realtime	19.4 GiB

Quick Start

The prompt is for smoke end-to-end test only.

audiocpp_cli \
  --task gen \
  --family minimax_music3 \
  --model MiniMax-Music3-GGUF \
  --backend cuda \
  --text "A bright pop rock song with clean drums and a clear male vocal." \
  --request-option 'lyrics=City lights are shining low. I keep moving with the glow. Turn it up and let it fly. Sing the melody tonight.' \
  --request-option duration_sec=10 \
  --request-option num_inference_steps=30 \
  --out output.wav

Components

Default audio.cpp component mix:

language_model_q4_0.gguf
rvq_depth_decoder_q8_0.gguf
transformer_q4_0.gguf
condition_encoder.gguf
vocoder.gguf

The BF16, Q8_0, and Q4_0 component variants are included for measurement and quality/performance comparison.

Component GGUFs can be selected explicitly for experiments:

--session-option minimax_music3.language_model_gguf=language_model_bf16.gguf
--session-option minimax_music3.language_model_gguf=language_model_q8_0.gguf
--session-option minimax_music3.rvq_depth_decoder_gguf=rvq_depth_decoder_bf16.gguf
--session-option minimax_music3.rvq_depth_decoder_gguf=rvq_depth_decoder_q8_0.gguf
--session-option minimax_music3.flow_transformer_gguf=transformer_bf16.gguf
--session-option minimax_music3.flow_transformer_gguf=transformer_q8_0.gguf

License

This GGUF package follows the upstream MiniMax-Music3 COMMUNITY LICENSE. The license text is included in LICENSE; review it before use, especially for commercial deployment.

Как запустить

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

GPU в ailist

Универсальный рантайм · audio.cpp

Нельзя запустить

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

Класс архитектуры: MiniMaxMusic3ForConditionalGeneration
Ревизия весов: 46fe77f