MiniMaxが動画生成AIに続いて音楽生成AI「MiniMax-Music3」を無償公開、ローカルで最大5分の日本語ボーカル付き楽曲を生成可能

中国のAI開発企業であるMiniMaxが音楽生成AI「MiniMax-Music3」を日本時間の2026年8月14日に公開しました。MiniMax-Music3はテキストでの指示に沿ってボーカル付きの楽曲を生成可能で、日本語ボーカルの生成にも対応しています。モデルが無償で公開されており、ローカルで実行可能。さらに、ユーザーの短い入力をもとに長い歌詞やAIモデルに認識させやすい構造化されたプロンプトを生成するためのAI用スキルも公開されています。

GitHub - MiniMax-AI/MiniMax-Music3 · GitHub
https://github.com/MiniMax-AI/MiniMax-Music3

MiniMax-Music3は最大5分の楽曲を生成可能で、生成結果を32kHzの16bitステレオ音楽ファイルとして出力できます。モデルは以下のリンク先で配布されています。

MiniMaxAI/MiniMax-Music3 · Hugging Face
https://huggingface.co/MiniMaxAI/MiniMax-Music3

MiniMax-Music3で生成した楽曲の例は以下のリンク先で大量に公開されています。

MiniMax Music 3
https://minimax-ai.github.io/music3-demo/

無料で使えるデモアプリも公開されているので、日本語ボーカル付き楽曲を生成してみます。まず、以下のリンクをクリックしてデモアプリを開きます。

MiniMax Music 3 Studio - a Hugging Face Space by MiniMaxAI
https://huggingface.co/spaces/MiniMaxAI/MiniMax-Music3

『日本語ボーカル付きのロックミュージック。ギターとベースとドラム。「暑い夏」「熱中症に注意」「水をたくさん飲む」というフレーズを含む』と入力して「Write lyrics & review」をクリック。

「指示に沿った日本語の歌詞」と「MiniMax-Music3の表記ルールに沿って必要な情報を記載した構造化済みプロンプト」が生成されたので、「Generate」をクリックして楽曲を生成します。

しばらく待つと音楽ファイルと動画ファイルが出力されました。MiniMax-Music3は「プロンプトをもとに音楽ファイルを出力する」という機能を持ったモデルで、デモアプリの「ユーザーの入力をもとに歌詞と構造化されたプロンプトを生成する」「楽曲を動画として出力する」という機能は別のシステムで成り立っています。

出力された動画が以下。日本語ボーカルを高品質に生成できています。今回は最大秒数を60秒に設定して生成したので、楽曲が途中で途切れています。

音楽生成AI「MiniMax-Music3」で生成した日本語ボーカル付き楽曲 - YouTube

デモアプリはHugging Faceの無料推論サービスであるZeroGPUを使う仕組みで、今回は1分の楽曲を1個生成した時点で無料枠の制限に達しました。MiniMax-Music3はすでにComfyUIを用いたローカル生成が可能になっており、ローカルなら無制限に生成可能です。

また、「ユーザーの入力をもとに歌詞と構造化されたプロンプトを生成する」という機能を実現するためのAI用スキルも公開されています。

MiniMax-Music3/skills at main · MiniMax-AI/MiniMax-Music3 · GitHub
https://github.com/MiniMax-AI/MiniMax-Music3/tree/main/skills

なお、MiniMaxは将来的に「MiniMax H3をベースとして画像生成・編集モデル」「動画アップスケールモデル」などをオープンモデルとして公開する計画を明らかにしています。

動画生成AI「MiniMax H3」の開発チームが「画像生成・編集モデル」「動画アップスケールモデル」「低ステップ版MiniMax H3」を準備中であることを明言 - GIGAZINE