歌詞から5分の曲を作るAI登場

MiniMaxはオープンウェイトのテキストから音楽を生成するモデル、MiniMax-Music3をリリースしました。このモデルは、セクションタグを含む歌詞と、詳細な音楽説明という2つの異なる入力を受け取ります。そして、単一の生成で最大5分間の完全な曲を、32 kHz、16ビットステレオWAV形式で返します。 そのアーキテクチャは、80億パラメータのGlobal LLMと6億パラメータのLocal LLMからなるHybrid-LMと、フローマッチングおよびFlow-VAEに基づいて構築された連続合成スタックを組み合わせています。ウェイト、推論コード、および3つの文書化されたサービングパスは同日に提供されました。これは展開可能でしょうか？はい、MiniMaxは初日から使用可能なウェイト、推論コード、および3つの文書化されたサービングパスを公開したため、これは研究プレビューではなく、すぐに展開可能です。 企業レベル：ソロクリエイター、インディースタジオ、および中規模市場のチームは、これを直接利用して製品をリリースできます。MiniMax-Music3コミュニティライセンスは商用利用を許可していますが、製品UIに「MiniMax-Music3」を明確に表示することを義務付けており、それらの製品からの年間総収益が2,000万米ドルを超える組織は、MiniMaxから別途書面による事前承認を得る必要があります。第三者生成をホストする者は、侵害的な出力に対する保護措置も実装および維持する必要があります。 産業：ゲーム開発、広告およびブランドエージェンシー、ショートフォームビデオおよびクリエイターツール、eラーニング、ポッドキャスティング、フィットネスおよびウェルネスアプリ、小売店舗内オーディオ、および音楽技術SaaS。 アプリケーション：UGC動画のBGM、適応型ゲームおよびレベル音楽、地域化された広告ベッドおよびソニックブランディング、ソングライター向けのスクラッチおよびデモトラック、ムードに応じたプレイリスト生成、および曲ごとのAPIコストが制約となるオフラインバッチ生成。 アーキテクチャ：MiniMax-Music3は、階層的な自己回帰スタックと連続合成パスを組み合わせています。トレーニング用トークナイザーは、8層のresidual vector quantization (RVQ)を使用しています。最初のセマンティックコードブックは16,384エントリを持ち、中心となる音楽の意味論と構造を担っています。残りの7つのアコースティックコードブックは1,024エントリを...