O que é MiniMax Music 3?
O MiniMax Music 3 gera canções completas de até cinco minutos com vocais cantados a partir de duas entradas: a letra com tags de seção como [Verse] e [Chorus], e uma descrição escrita de estilo, vocais e arranjo. Ele combina um modelo de linguagem global de 8B inicializado a partir do Qwen3-8B, um modelo local de 0,6B para o detalhe acústico e um decodificador flow-matching de 2,4B, e entrega WAV estéreo de 32 kHz e 16 bits.
A MiniMax publicou os pesos no Hugging Face em agosto de 2026 sob sua própria MiniMax-Music3 Community License. Ele roda com SGLang-Omni, um pipeline do diffusers ou ComfyUI, e precisa de uma GPU NVIDIA com CUDA.
A versão hospedada na API da MiniMax custa US$ 0,15 por faixa de até cinco minutos, mas desde 20 de agosto de 2026 as APIs de música e de letras estão fechadas para novos usuários; só clientes pagantes existentes podem chamá-las.
MiniMax Music 3 vale a pena?
O MiniMax Music 3 é, entre os modelos de pesos abertos que cantam bem, o de restrições comerciais mais leves. A licença permite produtos comerciais com duas condições: mostrar o nome "MiniMax-Music3" na interface do produto e pedir à MiniMax autorização por escrito quando a receita anual passar de US$ 20 milhões. O YuE2, que pontua mais alto em benchmarks de qualidade, é não comercial.
Ele escreve a canção que você entrega. Você fornece a letra exata com tags de seção e uma descrição, e a MiniMax recomenda uma legenda estruturada em três partes (gênero, BPM e tom; detalhes vocais; arranjo); uma skill publicada expande um prompt curto para esse formato. No WildSongBench, um benchmark de 192 prompts feito pela equipe do YuE2, o MiniMax Music 3 teve taxa de erro de fonemas de 6,27%, a menor entre os modelos abertos testados, ou seja, suas palavras cantadas são as mais fáceis de entender. Sua média no SongBench, 6,2830, ficou atrás do YuE2, com 6,7316, e do Suno v5, com 6,8721.
O porém: hardware e acesso. O card do modelo pede uma GPU com 24 GB de VRAM ou mais em precisão total; o offload para CPU reduz isso a cerca de 22 GB, e carregar o modelo de linguagem camada por camada cabe em 8 GB, com menos velocidade. A inferência exige CUDA, o que exclui Apple Silicon e placas AMD. A saída é de 32 kHz, abaixo dos 44,1 kHz do Lyria 3.5 e dos 48 kHz do YuE2. Não há streaming, e andamento, tom e estrutura são orientados, não garantidos. Quem oferecer o modelo como serviço precisa criar salvaguardas contra saídas que infrinjam direitos, e a política de uso aceitável exige informar que o conteúdo publicado foi gerado por máquina.
Nossa opinião: para uma empresa que quer hospedar seu próprio gerador de canções e vender o que ele produz, é a licença mais limpa entre os bons cantores; uma equipe sem placa de 24 GB, ou trabalhando num notebook, vai mais longe com o ACE-Step 1.5.
Onde ele se destaca
Uma startup de tecnologia musical com um app de músicas de aniversário personalizadas
Gerar uma canção cantada com o nome e a história de cada cliente na letra
Preencha um modelo de letra com tags [Verse] e [Chorus] e gere numa GPU própria de 24 GB pelo endpoint /v1/audio/speech do SGLang-Omni; a licença permite vender as canções desde que o app mostre "MiniMax-Music3".
A equipe interna de áudio de uma agência de publicidade
Transformar a letra aprovada de um jingle em vários takes produzidos
Use a skill caption-rewriter da MiniMax para expandir o briefing com BPM, tom, vocais e arranjo, e gere takes com sementes diferentes; a baixa taxa de erro de fonemas significa menos takes descartados por palavras emboladas.
Um youtuber que usa ComfyUI numa GPU de 8 GB
Fazer canções completas para os vídeos localmente, sem assinatura
Carregue o workflow do ComfyUI e ative o offload camada por camada; é mais lento que numa placa de 24 GB, mas não custa nada por canção, e a política de uso da licença exige identificar a música como gerada por máquina ao publicá-la.
Antes de decidir
- Configuração
- Baixe os pesos do Hugging Face e sirva com sgl-omni serve ou carregue o pipeline modular do diffusers, que instala o diffusers a partir do commit de um pull request até o suporte ser integrado; um tutorial do ComfyUI cobre o workflow de nós.
- Integrações
- O SGLang-Omni expõe um endpoint /v1/audio/speech no estilo da OpenAI, com a letra em input e a descrição em instructions; diffusers ModularPipeline; ComfyUI.
- Dados e privacidade
- Hospedado por você, então prompts e áudio ficam no seu hardware. O card do modelo não descreve os dados de treinamento.
- Custo em escala
- Sem custo por canção quando hospedado por você; o custo é o tempo de GPU. Os US$ 0,15 por faixa da API valem só para contas que já pagavam antes de 20 de agosto de 2026, e o uso comercial acima de US$ 20 milhões de receita anual exige autorização por escrito da MiniMax.
- Limites
- Prompt de texto limitado a 5.000 tokens e áudio a 9.000 frames acústicos (25 por segundo); sem streaming; exige CUDA; andamento, tom e estrutura pedidos podem não ser seguidos à risca.
O que é bom
- Pesos abertos, uso comercial permitido até US$ 20 milhões de receita anual
- Canções completas de até cinco minutos com vocais a partir da sua própria letra
- Menor taxa de erro de fonemas (6,27%) entre os modelos abertos no WildSongBench
- Roda em SGLang-Omni, diffusers e ComfyUI; placas de 8 GB com carregamento por camadas
- Legendas estruturadas controlam BPM, tom, vocais e arranjo
O que não é
- Só CUDA; 24 GB de VRAM para velocidade total
- Saída de 32 kHz, abaixo dos concorrentes
- API hospedada fechada para novos usuários desde 20 de agosto de 2026
- Produtos comerciais precisam mostrar "MiniMax-Music3" e manter salvaguardas contra abuso
- Sem streaming; andamento e estrutura não são garantidos
Ideal para
Empresas que querem hospedar um gerador comercial de canções com vocais nítidos e podem dispor de uma GPU NVIDIA de 24 GB.
Alternativas ao MiniMax Music 3
MiniMax Music 3: perguntas frequentes
- MiniMax Music 3 vale a pena?
- O MiniMax Music 3 canta sua letra com clareza por até cinco minutos e deixa você vender o resultado, desde que você tenha uma placa NVIDIA de 24 GB e mostre o nome dele no seu produto. Damos nota 4.2 de 5.
- Quanto custa MiniMax Music 3?
- Pesos gratuitos sob a MiniMax-Music3 Community License, uso comercial incluído; é preciso autorização por escrito acima de US$ 20 milhões de receita anual. API da MiniMax: US$ 0,15 por faixa de até cinco minutos, só para usuários pagantes existentes desde 20 de agosto de 2026.
- Quais são as desvantagens de MiniMax Music 3?
- Só CUDA; 24 GB de VRAM para velocidade total; saída de 32 kHz, abaixo dos concorrentes; aPI hospedada fechada para novos usuários desde 20 de agosto de 2026; produtos comerciais precisam mostrar "MiniMax-Music3" e manter salvaguardas contra abuso; sem streaming; andamento e estrutura não são garantidos.
- Para quem MiniMax Music 3 é indicado?
- Empresas que querem hospedar um gerador comercial de canções com vocais nítidos e podem dispor de uma GPU NVIDIA de 24 GB.
- Quanto custa MiniMax Music 3 para uma equipe ou em produção?
- Sem custo por canção quando hospedado por você; o custo é o tempo de GPU. Os US$ 0,15 por faixa da API valem só para contas que já pagavam antes de 20 de agosto de 2026, e o uso comercial acima de US$ 20 milhões de receita anual exige autorização por escrito da MiniMax.
- MiniMax Music 3 é seguro para dados da empresa?
- Hospedado por você, então prompts e áudio ficam no seu hardware. O card do modelo não descreve os dados de treinamento.
- Quais são as melhores alternativas ao MiniMax Music 3?
- As alternativas mais próximas que analisamos são YuE2-3B, ACE-Step 1.5, Lyria 3.5 e Eleven Music v2.5.
Respostas verificadas em 7 de nov. de 2026.
Você faz o MiniMax Music 3? Mostre esta nota no seu site
