¿Qué es MiniMax Music 3?
MiniMax Music 3 genera canciones completas de hasta cinco minutos con voz cantada a partir de dos entradas: la letra con etiquetas de sección como [Verse] y [Chorus], y una descripción escrita del estilo, la voz y el arreglo. Combina un modelo de lenguaje global de 8B inicializado desde Qwen3-8B con un modelo local de 0,6B para el detalle acústico y un decodificador flow-matching de 2,4B, y entrega WAV estéreo de 32 kHz y 16 bits.
MiniMax publicó los pesos en Hugging Face en agosto de 2026 bajo su propia MiniMax-Music3 Community License. Funciona con SGLang-Omni, un pipeline de diffusers o ComfyUI, y necesita una GPU NVIDIA con CUDA.
La versión alojada en la API de MiniMax cuesta 0,15 $ por pista de hasta cinco minutos, pero desde el 20 de agosto de 2026 las API de música y de letras están cerradas a nuevos usuarios; solo los clientes de pago existentes pueden usarlas.
¿Merece la pena MiniMax Music 3?
MiniMax Music 3 es el modelo de canciones de pesos abiertos con menos restricciones comerciales entre los que cantan bien. Su licencia permite productos comerciales con dos condiciones: mostrar el nombre "MiniMax-Music3" en la interfaz del producto y pedir a MiniMax una autorización por escrito cuando los ingresos anuales superen los 20 millones de dólares. YuE2, que puntúa más alto en los benchmarks de calidad, es no comercial.
Escribe la canción que le das. Aportas la letra exacta con etiquetas de sección y una descripción, y MiniMax recomienda un caption estructurado en tres partes (género, BPM y tonalidad; detalles de voz; arreglo); una skill publicada amplía un prompt corto a ese formato. En WildSongBench, un benchmark de 192 prompts del equipo de YuE2, MiniMax Music 3 tuvo una tasa de error de fonemas del 6,27 %, la más baja entre los modelos abiertos evaluados, así que sus palabras cantadas son las que mejor se entienden. Su media en SongBench, 6,2830, quedó por detrás de YuE2 con 6,7316 y de Suno v5 con 6,8721.
La pega: el hardware y el acceso. La ficha del modelo pide una GPU con 24 GB de VRAM o más a precisión completa; la descarga a CPU lo deja en unos 22 GB, y cargar el modelo de lenguaje capa a capa cabe en 8 GB a menor velocidad. La inferencia exige CUDA, lo que descarta Apple Silicon y las tarjetas AMD. La salida es de 32 kHz, por debajo de los 44,1 kHz de Lyria 3.5 y los 48 kHz de YuE2. No hay streaming, y el tempo, la tonalidad y la estructura se orientan, no se garantizan. Quien lo ofrezca como servicio debe montar salvaguardas contra resultados que infrinjan derechos, y la política de uso aceptable exige indicar que el contenido publicado lo ha generado una máquina.
Nuestra opinión: para una empresa que quiere alojar su propio generador de canciones y vender lo que produce, es la licencia más limpia entre los modelos que cantan bien; un equipo sin una tarjeta de 24 GB, o que trabaja en un portátil, llegará más lejos con ACE-Step 1.5.
Dónde se gana su sitio
Una startup de música que crea una app de canciones de cumpleaños personalizadas
Generar una canción cantada con el nombre y la historia de cada cliente en la letra
Rellena una plantilla de letra con etiquetas [Verse] y [Chorus] y genera en una GPU propia de 24 GB a través del endpoint /v1/audio/speech de SGLang-Omni; la licencia permite vender las canciones siempre que la app muestre "MiniMax-Music3".
El equipo de audio interno de una agencia de publicidad
Convertir la letra aprobada de un jingle en varias tomas producidas
Usa la skill caption-rewriter de MiniMax para ampliar el briefing con BPM, tonalidad, voz y arreglo, y genera tomas con distintas semillas; la baja tasa de error de fonemas implica menos tomas descartadas por palabras ininteligibles.
Un youtuber que usa ComfyUI con una GPU de 8 GB
Hacer canciones completas para sus vídeos en local, sin suscripción
Carga el flujo de ComfyUI y activa la descarga capa a capa; es más lento que con una tarjeta de 24 GB pero no cuesta nada por canción, y la política de uso de la licencia exige indicar que la música es generada por máquina al publicarla.
Antes de decidirte
- Puesta en marcha
- Descarga los pesos de Hugging Face y sírvelos con sgl-omni serve o carga el pipeline modular de diffusers, que instala diffusers desde el commit de un pull request hasta que se integre el soporte; un tutorial de ComfyUI cubre el flujo de nodos.
- Integraciones
- SGLang-Omni expone un endpoint /v1/audio/speech al estilo de OpenAI con la letra en input y la descripción en instructions; diffusers ModularPipeline; ComfyUI.
- Datos y privacidad
- Se aloja en tu propio equipo, así que prompts y audio no salen de tu hardware. La ficha del modelo no describe los datos de entrenamiento.
- Coste a escala
- Sin coste por canción si lo alojas tú; el coste es el tiempo de GPU. Los 0,15 $ por pista de la API solo se aplican a cuentas que pagaban antes del 20 de agosto de 2026, y el uso comercial por encima de 20 millones de dólares de ingresos anuales requiere autorización escrita de MiniMax.
- Límites
- Prompt de texto limitado a 5.000 tokens y audio a 9.000 frames acústicos (25 por segundo); sin streaming; requiere CUDA; el tempo, la tonalidad y la estructura pedidos pueden no respetarse con exactitud.
Lo bueno
- Pesos abiertos, uso comercial permitido hasta 20 millones de dólares de ingresos anuales
- Canciones completas de hasta cinco minutos con voz a partir de tu propia letra
- La tasa de error de fonemas más baja (6,27 %) entre los modelos abiertos en WildSongBench
- Funciona en SGLang-Omni, diffusers y ComfyUI; tarjetas de 8 GB con carga por capas
- Los captions estructurados orientan BPM, tonalidad, voz y arreglo
Lo malo
- Solo CUDA; 24 GB de VRAM para ir a plena velocidad
- Salida de 32 kHz, inferior a la de sus rivales
- API alojada cerrada a nuevos usuarios desde el 20 de agosto de 2026
- Los productos comerciales deben mostrar "MiniMax-Music3" y aplicar salvaguardas contra abusos
- Sin streaming; tempo y estructura no garantizados
Ideal para
Empresas que quieren alojar un generador comercial de canciones con voces claras y pueden poner una GPU NVIDIA de 24 GB.
Alternativas a MiniMax Music 3
MiniMax Music 3: preguntas frecuentes
- ¿Merece la pena MiniMax Music 3?
- MiniMax Music 3 canta tu letra con claridad durante hasta cinco minutos y te deja vender el resultado, siempre que tengas una tarjeta NVIDIA de 24 GB y pongas su nombre en tu producto. Le damos un 4.2 sobre 5.
- ¿Cuánto cuesta MiniMax Music 3?
- Pesos gratuitos bajo la MiniMax-Music3 Community License, uso comercial incluido; hace falta autorización por escrito por encima de 20 millones de dólares de ingresos anuales. API de MiniMax: 0,15 $ por pista de hasta cinco minutos, solo para usuarios de pago existentes desde el 20 de agosto de 2026.
- ¿Qué inconvenientes tiene MiniMax Music 3?
- Solo CUDA; 24 GB de VRAM para ir a plena velocidad; salida de 32 kHz, inferior a la de sus rivales; aPI alojada cerrada a nuevos usuarios desde el 20 de agosto de 2026; los productos comerciales deben mostrar "MiniMax-Music3" y aplicar salvaguardas contra abusos; sin streaming; tempo y estructura no garantizados.
- ¿Para quién es MiniMax Music 3?
- Empresas que quieren alojar un generador comercial de canciones con voces claras y pueden poner una GPU NVIDIA de 24 GB.
- ¿Cuánto cuesta MiniMax Music 3 para un equipo o en producción?
- Sin coste por canción si lo alojas tú; el coste es el tiempo de GPU. Los 0,15 $ por pista de la API solo se aplican a cuentas que pagaban antes del 20 de agosto de 2026, y el uso comercial por encima de 20 millones de dólares de ingresos anuales requiere autorización escrita de MiniMax.
- ¿Es MiniMax Music 3 seguro para los datos de la empresa?
- Se aloja en tu propio equipo, así que prompts y audio no salen de tu hardware. La ficha del modelo no describe los datos de entrenamiento.
- ¿Cuáles son las mejores alternativas a MiniMax Music 3?
- Las alternativas más cercanas que hemos analizado son YuE2-3B, ACE-Step 1.5, Lyria 3.5 y Eleven Music v2.5.
Respuestas comprobadas el 7 nov 2026.
¿Desarrollas MiniMax Music 3? Muestra esta nota en tu web
