Minimax Music开源，配套神器已开源，继AI视频自由后，AI音乐也自由了！

Minimax Music开源，配套神器T8已开源，继AI视频自由后，AI音乐也自由了！新版comfyui整合包V18更新，写一个教程

MiniMax Music 3 开源 + ComfyUI V18 整合包教程

就在昨天，继开源视频模型 H3 之后，MiniMax 又把音乐模型 MiniMax-Music3 给开源了。配合 T8 大佬刚更新的 ComfyUI V18 整合包，AI 音乐本地自由，现在真的实现了。

一、MiniMax-Music3 是什么？

一句话：一个能在你本地电脑上生成最长5分钟完整歌曲的AI模型，带人声，还支持中文/日文等多种语言。

它和 Suno、Udio 这类在线工具最大的不同是——模型权重完全免费开放，你可以下载到本地，没有任何次数限制，想生成多少首就生成多少首。

效果到底怎么样？

目前开源TTS/SVS领域，MiniMax-Music3 绝对是顶级的（SOTA级别）。虽然和顶级的闭源商业产品（比如 Suno）比还有一点差距，但在开源模型里，它已经是天花板了。

硬件门槛：官方推荐 24GB显存（如RTX 4090），实测生成3分钟歌曲约需219秒。整合包也支持通过配置在更低显存下运行。

二、下载与安装（V18整合包）

T8 大佬已经把所有依赖和环境都打包好了，不需要自己配 Python 环境。

MiniMax Music 3 模型 夸克网盘分享

T8 CF 整合包 V18 夸克网盘分享

T8 配套节点仓库https://github.com/T8mars/comfyui-minimax-h3-prompt-enhancer-T8

官方模型 Hugging Facehttps://huggingface.co/MiniMaxAI/MiniMax-Music3

官方提示词技能 (Skills) https://github.com/MiniMax-AI/MiniMax-Music3/tree/main/skills

安装步骤

1. 下载整合包和模型文件
2. 解压整合包，路径不要有中文
3. 把模型文件放到 ComfyUI/models/minimax_music/ 目录下
4. 双击 run_nvidia_gpu.bat 启动 ComfyUI

三、核心玩法：如何写提示词

MiniMax-Music3 不是随便写一句“来首悲伤的歌”就能出好效果的。它需要结构化的描述，就像给音乐人写一份制作需求单。

官方推荐的三段式结构：

1. 全局信息

• 流派/子流派、BPM（速度）、调性
• 情绪走向（从哪到哪）
• 收听场景、制作风格

2. 人声细节

• 性别、音色特质、演唱风格
• 和声、背景人声、效果

3. 编曲与段落

• 主奏/辅奏乐器
• 每个段落（主歌、副歌、桥段）的乐器变化
• 律动、低音、打击乐、空间感

示例（直接可复制修改）：

Warm Mandarin pop / traditional Chinese ballad, 74 BPM, A-flat major. 
Tender nostalgia opens into a celebratory chorus, with a mature male baritone-tenor, delicate guzheng, soft strings, gentle acoustic textures, expressive vibrato, and a natural live-room sound.

歌词格式

歌词需要用段落标签来标记结构，这样模型才知道哪里是主歌、哪里是副歌：

[Verse 1]
歌词第一段内容...
[Pre-Chorus]
过渡段内容...
[Chorus]
副歌内容...
[Bridge]
桥段内容...
[Outro]
尾奏内容...

如果不想自己写，可以用 MiniMax 官方提供的 Skill（提示词生成器），输入主题就能自动生成结构化的描述和歌词。Skill 在官方 GitHub 的 skills 目录下。

四、ComfyUI 工作流使用

工作流节点说明

V18 整合包中，核心节点是 MiniMax Music 3 Generator：

模型选择

• minimax_music3_dit_fp16.safetensors：推荐，显存够用就选这个
• minimax_music3_dit_int8_convrot.safetensors：显存较低时使用

生成后通过 SaveAudioAdvanced 节点导出 WAV 文件。

常用参数建议

• 采样步数：官方建议 2-4 步即可，因为是 Flow Matching 架构
• 目标时长：建议从 60 秒开始测试，确认效果后再拉长

五、常见问题

Q1：报错 "block cache" 相关？

T8 的整合包已经修复了这个问题，更新到 V18 即可。如果自己装的节点，更新 ComfyUI-MiniMax-H3-BlockCache-T8 到最新。

Q2：生成的歌声音不稳定/走调？

检查提示词是否写了足够的结构信息。只写一句话的描述效果通常不好，尽量按三段式把 BPM、调性、乐器、段落变化都写清楚。

Q3：为什么只有 32kHz？

目前开源版本输出是 32kHz 16-bit 立体声 WAV，比 CD 音质（44.1kHz）稍低，但做 Demo、视频 BGM、播客配乐完全够用。

Q4：能生成纯音乐吗？

可以。歌词留空，或者把 is_instrumental 设为 true，就会生成无人声的纯音乐版本。

六、相关资源汇总

祝玩得开心！记得给 大佬和官方点个 Star～ 🎵