现在，AI 生成音乐又进化了一步。
引子：想“做”一首歌，你其实卡在这几步
先对号入座一下：
- 脑子里有段旋律、几句词，想做成一首完整的歌，但不会写谱、不会编曲、更找不到歌手？
- 试过在线 AI 音乐工具，结果要订阅、有次数限制，歌还存在别人服务器上、商用心里没底？
- 给短视频找 BGM，翻遍版权音乐库都不贴合画面，定制的又贵又慢？
- 听说 AI 音乐很强，但总觉得“那是大厂玩具”，自己电脑跑不了？
如果你中了两条以上，那 MiniMax Music 3 值得你花十分钟。它不是一个“能哼两段旋律的玩具”，而是把一句歌词 / 一段风格描述 → 人声演唱 → 旋律编曲 → 伴奏，在你自己电脑上一次性合成一首最长约 5 分钟的完整歌曲的开源模型。
下面先把优点讲透，再上详细部署教程。
一、这套方案是什么
MiniMax Music 3 是 MiniMax 最新开源的音乐生成模型。它的核心能力是：你只需要给一句简单的歌词或一段文字描述，它就能直接生成一首完整的 5 分钟歌曲——从人声演唱、旋律到编曲伴奏，全部一次性完成。
最关键的一点：这次模型开放了权重，不是只给在线体验。普通用户可以把模型下载下来，在自己的电脑上本地部署、本地运行，创作内容不出本机。
二、为什么是 MiniMax Music 3：它到底好在哪
2.1 先说痛点：做一首歌，传统方式有多麻烦
| 你想要什么 | 传统方式的尴尬 | MiniMax Music 3 怎么解 |
|---|---|---|
| 做一首原创歌 | 写词、写曲、编曲、找歌手、混音，门槛高、成本高 | 一句歌词 + 风格描述，本地直接出整首 |
| 用在线 AI 音乐 | 要订阅、限次数，歌出云端、商用存疑 | 权重开源本地跑，免费、数据不出本机 |
| 短视频配乐 | 版权音乐难贴合，定制贵又慢 | 描述风格直接生成贴合的歌曲 / BGM |
它的定位，正好补齐这一整片空白：把“写歌”这件原本需要团队和设备的专业活，变成个人电脑上“输入文字、输出成曲”的一件事。
2.2 6 大优点详解
① 开放权重，真正可本地部署——最核心的卖点
模型权重公开下载，不用被在线平台订阅和次数卡脖子，创作内容在自己机器上跑，隐私和版权都更可控。
② 一句歌词，直接出 5 分钟完整歌
不是生成 15 秒片段让你拼接，而是人声、旋律、编曲、伴奏一次性合成一首最长约 5 分钟的完整作品。这是它和很多“片段式”音乐模型最大的区别。
③ 曲风精细可控
靠一段 Style Prompt（风格描述）就能定下 BPM、乐器、人声性别与音色、情绪走向。想做欢快舞曲还是催泪抒情，你说了算。
④ 零门槛，不用乐理
不需要会写谱、会编曲、会混音。ComfyUI 里拖入工作流，填歌词和风格，点一下就出歌。
⑤ 速度快，等得起
实测 24G 显存下：生成 60 秒的歌约 20 秒，生成 4～5 分钟的歌约 1～2 分钟。比起传统制作周期，几乎是“即写即听”。
⑥ 人声歌曲 / 纯音乐都行
带人声的歌曲、或者纯 BGM，都能生成。短视频配乐、个人 Demo、灵感记录通吃。
2.3 它还能做到什么（实测与能力清单）
- 输入：歌词 + 音乐风格描述（纯文字）。
- 输出：最长约 5 分钟完整歌曲，含人声演唱。
- 模型组成：Diffusion（DiT）主体 ×2 + 文本编码器 + VAE，共 4 个文件。
- 显存方案：提供 fp16 满血版与 int8 低显存版，按需选。
- 实测速度（8G 显存）：60 秒歌曲 ≈ 2分20 秒生成；4～5 分钟歌曲 ≈ 10～15分钟生成。
- 支持类型：带人声歌曲、纯音乐均可。
2.4 谁最适合用（对号入座）
✅ 想做原创 / Demo 的音乐爱好者
✅ 短视频创作者，急需贴合画面的定制配乐
✅ 在意隐私、想把 AI 音乐跑在本地的人
✅ 手上有 8G 以上显卡、愿意折腾 ComfyUI 的人
❌ 完全没有独立显卡、显存极小的人——即便 int8 版也吃资源。
❌ 追求录音室级母带品质、需要精细后期的人——它是“成曲生成”，不是专业 DAW。
❌ 完全不想碰 ComfyUI、怕配置的人——部署还是要装环境、下模型。
三、部署前准备
- 一台装有 NVIDIA 独立显卡的电脑（显存越大越快；低显存可选 int8 版模型）。
- 已安装或准备安装 ComfyUI，且必须是适配 MiniMax Music 3 的最新版。
- 足够的磁盘空间：4 个模型文件体积不小（fp16 满血版更大）。
- 网络环境能访问 HuggingFace 或国内网盘以下载模型和工流。
⚠️ 关键提醒：如果你之前装过 ComfyUI，务必升级到最新版，否则无法识别 MiniMax Music 3 模型。
四、第一步：下载并升级 ComfyUI
前往 ComfyUI 官网下载最新客户端：
- 官方下载：https://comfy.org/
已安装旧版的用户，先升级再继续。
五、第二步：下载 4 个模型
MiniMax Music 3 共需 4 个模型文件，按下面的目录结构放到 ComfyUI 的 models/ 下：
<code class="language-text">ComfyUI/ ├── models/ │ ├── diffusion_models/ │ │ ├── minimax_music3_dit_int8_convrot.safetensors # 低显存用户选择 │ │ └── minimax_music3_dit_fp16.safetensors # 全精度 满血版 │ ├── text_encoders/ │ │ └── minimax_music3_text_encoder_pruned_int8_convrot.safetensors │ └── vae/ │ └── minimax_music3_dav.safetensors </code>
1、diffusion_models（二选一）
- minimax_music3_dit_fp16.safetensors（全精度 满血版）
HuggingFace：https://huggingface.co/Comfy-Org/MiniMax-Music-3/resolve/main/diffusion_models/minimax_music3_dit_fp16.safetensors
网盘：https://pan.quark.cn/s/d4b4f572b306 - minimax_music3_dit_int8_convrot.safetensors（低显存用户选择）
HuggingFace：https://huggingface.co/Comfy-Org/MiniMax-Music-3/resolve/main/diffusion_models/minimax_music3_dit_int8_convrot.safetensors
网盘：https://pan.quark.cn/s/d4b4f572b306
2、text_encoders
- minimax_music3_text_encoder_pruned_int8_convrot.safetensors
HuggingFace：https://huggingface.co/Comfy-Org/MiniMax-Music-3/resolve/main/text_encoders/minimax_music3_text_encoder_pruned_int8_convrot.safetensors
网盘：https://pan.quark.cn/s/28ac5d7b75de
3、vae 编码器
- minimax_music3_dav.safetensors
HuggingFace：https://huggingface.co/Comfy-Org/MiniMax-Music-3/resolve/main/vae/minimax_music3_dav.safetensors
网盘：https://pan.quark.cn/s/0e238994b17f
六、第三步：下载工作流
将工作流文件直接拖入 ComfyUI 的空白工作区即可使用。
七、运行与实测
把下载的工作流拖入 ComfyUI 后，在对应节点输入歌词和歌曲曲风描述，就可以本地生成任意你需要的音乐——带人声的歌曲、或纯音乐都没问题。
八、提示词怎么写
MiniMax Music 3 的效果很大程度取决于 Style Prompt（风格描述）和歌词质量。告诉一个窍门，把这事可以交给大模型处理，哈哈
九、注意事项与坑
- ComfyUI 必须最新版：旧版无法识别 MiniMax Music 3 模型，部署前先升级。
- 模型放对目录：4 个文件严格按
diffusion_models / text_encoders / vae子目录放置，否则读不到。 - 显存取舍：大显存用 fp16 满血版保质量；显存紧张用 int8 版。
- 下载源选择：HuggingFace 或文内夸克 / cloudeop 网盘均可，按网络情况选。
- 商用注意：生成的音乐用于发布前，请自行确认模型许可与平台规则。
十、一句话结论
MiniMax Music 3 的价值在于：它把“写一首歌”从需要团队和设备的专业活，变成了个人电脑上“输入文字、输出成曲”的一件事——而且权重开源、可本地跑、5 分钟完整歌曲、速度与质量都够用。部署时最重要的不是“装好”，而是先升级 ComfyUI、按目录放对 4 个模型、再用工作流填好风格与歌词。
你最想用 AI 生成哪种歌？是想给短视频配一段专属 BGM，还是想把自己写词变成能唱出来的完整 demo？欢迎在评论区聊聊你的场景。
