Eine Einzeiler-Stimmung — „mach es episch“, „trauriges Klavier“, „Late-Night-Vibe“ — ist ein gültiger MiniMax-Music-3-Input. Sie ist nicht die Steuerfläche, für die das Modell dokumentiert wurde. MiniMax’ eigener Prompt-Enhancement-Pfad dehnt diese Zeile zu einer Structured Caption: Global Metadata, Vocal Details und ein Arrangement Abschnitt für Abschnitt (MiniMax-Forschungsblog; Hugging-Face-Modellkarte; GitHub Skills).
Das ist die Aufgabe des offiziellen music-caption-rewriter Skills: eine kurze Beschreibung plus optionale getaggte Lyrics nehmen, den Brief durch 18 Style Families und rund 1.000 Caption-Templates leiten und eine generierfertige Caption zurückgeben. Die Caption kommt ins Musikbeschreibungsfeld, der Lyric-Text bleibt im Lyrics-Feld (Skills-README; Modellkarte).
Dieser Guide ist ein How-to, kein Ranking. Sie gehen mit der Drei-Block-Caption-Form, einer Family-Karte für „jedes Genre“, vier kopierbaren Briefs und einem Pfad, der am offiziellen Demo-Hörpult startet und im MiniMax-Music-3-Workspace endet.
TLDR
- MiniMax Music 3 (Open-Weight-Release 13. August 2026) schreibt einen ganzen Song aus einer Musikbeschreibung plus optionalen Lyrics, mit einem Vendor-Deckel von etwa fünf Minuten und 32 kHz, 16-bit Stereo-WAV (MiniMax-Blog; Modellkarte).
- Structured Caption sind drei Überschriften in dieser Reihenfolge: Global Metadata, Vocal Details, Arrangement. Offizielle Docs behandeln das als Präzisions-Steuersprache, nicht als ein einziges globales Stil-Label (Modellkarte; GitHub-README).
music-caption-rewriterist ein statisches Agent-Skill (keine Extra-APIs, keine Weights). Installieren mitnpx skills add MiniMax-AI/MiniMax-Music3 --skill music-caption-rewriter, dann$music-caption-rewriteraufrufen (Skills-README).- 18 Style Families decken Pop & Ballad, Hip-Hop & Rap, Metal & Heavy Rock, cinematic orchestral, East Asian modern, Jazz & Swing und mehr ab. Der Router wählt zuerst eine Family, dann öffnet er nur die Templates, die er braucht (Genre-Router).
- Auf dieser Site: ein offizielles Stück auf der Startseite hören, dann die umgeschriebene Caption und getaggte Lyrics ins Workspace legen. Ein Run kostet 20 Credits; die Anmeldung gibt 20 Credits.
Kernpunkte
- Zwei Felder, zwei Jobs. Offizielle Serving-Docs legen Lyrics in
inputund die Musikbeschreibung ininstructions. Das Skill schreibt nur die Beschreibung um; es darf Lyric-Zeilen weder zitieren noch paraphrasieren (GitHub-README; SKILL.md). - Tags sind Struktur, kein Schmuck.
[Intro],[Verse],[Pre-Chorus],[Chorus],[Post-Chorus],[Bridge],[Instrumental],[Solo]und[Outro]stehen jeweils in einer eigenen Zeile (Modellkarte; ComfyUI-Tutorial). - Genre schlägt Stimmungsadjektive. Der offizielle Router behandelt
emotional,epic,darkundcinematicals Modifier, solange Sie nicht auch Groove, Instrumente oder einen Marktstil mitgeben (Genre-Router). - Erfinden Sie kein Fake-BPM oder eine Fake-Tonart. Das Skill sagt: Bereich oder qualitatives Tempo, außer eine Zahl ist explizit oder stark begründet (SKILL.md).
- Tags sind kein DAW-Lock. Offizielle Limits: generiertes Tempo, Tonart, Instrumentation, Lyrics und Struktur können von jeder angefragten Detailvorgabe abweichen (Modellkarte).
- Diese Website ist unabhängig. Offizielle Forschung steht im MiniMax-Blog und auf Hugging Face. Öffentliche Demos hier hören, dann im Browser-Workspace generieren.
Was das Skill tatsächlich zurückgibt
Der Rewriter ist eine Textbibliothek mit progressive disclosure. Er scannt nicht alle 1.000 Templates. Er liest den Genre-Router, öffnet einen (manchmal zwei) Family-Index, nimmt bis zu drei Referenzen mit unterschiedlichen Rollen — Foundation, Modifier, Arrangement — und synthetisiert eine neue Caption um Ihren Brief (Skills-README; SKILL.md).
Die Ausgabe sind genau drei Top-Level-Überschriften, auf Englisch, außer Sie bitten um etwas anderes, typisch etwa 250–450 Wörter für den Arrangement-Block (SKILL.md):
| Block | Was benennen | Was nicht erfinden | | --- | --- | --- | | Global Metadata | Genre / Subgenre, Tempo (Bereich oder Feel), emotionaler Bogen, Hörszene, Produktionsprofil | Ein präzises BPM oder eine Tonart, die Sie nie angegeben haben | | Vocal Details | Lead-Geschlecht, Timbre, Register, Delivery, Harmony, zurückhaltende Effekte | Lyric-Sujet, das aus den Strophen kopiert wurde | | Arrangement | Abschnitts-Timeline: was eintritt, austritt oder intensiver wird | Eine statische Gear-Liste ohne Energiebogen |
Bei einer Instrumental-Anfrage muss Vocal Details instrumental bleiben und das Instrument nennen, das die Melodie trägt. Dem Skill ist verboten, eine Sängerin oder einen Sänger hinzuzufügen, die Sie nicht verlangt haben (SKILL.md).
Global Metadata · Vocal Details · Arrangement · Editorial-Diagramm · generiert für den MiniMax-Music-3-Blog
Die 18 Style Families (eine wählen, dann schreiben)
Nutzen Sie diese Tabelle als Router, nicht als Playlist. Offizielle Cue-Wörter kommen aus dem Genre-Router.
| Wenn Ihr Brief klingt wie… | Routen nach | | --- | --- | | Mandopop / C-Pop / J-Pop mit elektronischer, R&B- oder Dance-Produktion | East Asian modern | | Mandopop-Ballade, Guofeng, akustischer oder orchestraler ostasiatischer Pop | East Asian ballad / heritage | | Contemporary R&B, Neo-Soul, Trap Soul | Modern R&B / neo-soul | | Soul, Blues, Gospel, Worship | Soul / blues / gospel | | Soundtrack-artige Vocal-Ballade | Cinematic pop / ballad | | Filmscore, Trailer, Chor, Orchester als Identität | Cinematic orchestral / epic | | Synth-Pop, Dream Pop, Retrowave, Downtempo | Electronic / synth / ambient pop | | Vocal Jazz, Swing, Bossa, Big Band | Jazz / swing / big band | | Crooner, Musical Theatre, Doo-Wop, Cabaret | Traditional vocal / stage | | Hip-Hop, Rap, Trap, Drill, Lo-Fi Hip-Hop | Hip-hop / rap | | Metalcore, Power Metal, Hard Rock | Metal / heavy rock | | Pop Rock, Indie Rock, Arena Rock, Punk | Pop / alternative rock | | Indie Folk, Singer-Songwriter, modernes Acoustic | Contemporary folk / acoustic | | Celtic, Traditional Folk, Reggae, Heritage-Instrumente als Kern | Roots / traditional / global | | Nur eine Stimmung, kein Genre | General pop / ballad (Fallback) | | Dance-Pop, Nu-Disco, Funk-Pop | Dance-pop / disco / funk | | House, Trance, Techno, Festival-Drop | Club / EDM / house / trance | | Country, Americana, Bluegrass, Country Pop | Country / Americana |
Fusion-Regel aus dem offiziellen Router: „X mit Y-Einflüssen“ heißt primär X, sekundär Y. Höchstens zwei Families lesen. Ein Wort wie cinematic allein ist ein Modifier, nicht genug, um die orchestrale Family zu wählen (Genre-Router).
Wenn Sie eine Modell-gegen-Modell-Karte statt eines Schreib-Workflows wollen, nutzen Sie den Schwesterartikel MiniMax Music 3 vs Suno.
So schreiben Sie den Brief (fünf Schritte)
1. Zuerst hören
Spielen Sie ein offizielles Stück auf der Startseite. Feel Alive ist eine vocal-forward R&B-Referenz; In the Way ist ein Pop-Cut mit wiederkehrendem Chorus; The Real Man ist eine laute Band. Sie kalibrieren „wie ein fertiges Music-3-Stück klingen kann“, Sie kopieren nicht die Demo-Lyrics.
2. Die Family in einem Satz nennen
Schreiben Sie das Genre, wer singt (oder „nur instrumental“), ein Kerninstrument und wie sich die Energie bewegen soll. Beispiel aus MiniMax’ eigenen Docs: “A warm acoustic pop song with intimate female vocals, fingerpicked guitar, soft piano, and a gradual emotional build into a wide final chorus.” (GitHub-README)
Dieser Satz ist bereits eine gültige Beschreibung. Das Skill existiert, wenn Sie die Drei-Block-Erweiterung wollen.
3. Lyric-Tags nur, wenn Sie Worte haben
Haben Sie Strophen, steht jeder Tag in einer eigenen Zeile. Das Skill behandelt nur die Klammern als musikalische Direktiven. Es darf Ihren Lyric-Text nicht in der Caption nachdrucken (SKILL.md).
Haben Sie keine Worte, überspringen Sie den Lyrics-Modus oder nutzen Sie den Instrumental-Modus im Workspace.
4. Erweitern — oder die kurze Zeile einfügen
Option A — Sie nutzen bereits Cursor / Claude Code / Codex:
npx skills add MiniMax-AI/MiniMax-Music3 --skill music-caption-rewriterDann fragen: Use $music-caption-rewriter to turn my music description and optional tagged lyrics into a concise, section-aware Music 3.0 caption. (Skills-README)
Option B — Sie wollen heute einfach einen Song: Prompt A–D unten ins Workspace-Beschreibungsfeld legen. Ein kurzer Satz im offiziellen Stil generiert trotzdem; die Drei-Block-Form ist für engere Kontrolle (Modellkarte).
5. Auf dieser Site generieren
Öffnen Sie das MiniMax-Music-3-Workspace. Die Caption ins Prompt- / Beschreibungsfeld. Getaggte Lyrics in den Lyrics-Modus. Für Prompt D auf Instrumental-Modus wechseln. Ein Run kostet 20 Credits.
Kopierbare Briefs (vier Jobs)
Das sind originale Workspace-Briefs, keine kopierten Template-Dateien. Ändern Sie nur Namen, die Ihnen gehören. Jeden Take nach Struktur, Lyric-Halt, Vocal-Fit, Arrangement-Klarheit und einem brauchbaren Ende bewerten.
Prompt A — Acoustic Pop, der aufblühen muss
### Global Metadata
Genre: contemporary acoustic pop. Mid-tempo, unhurried pulse.
Intimate verse that opens into a wider, brighter final chorus.
Late-evening room, close-mic singer-songwriter production.
### Vocal Details
Soft female lead, close and breathy in the verse, clearer and more
supported in the chorus, light stacked harmonies only on the last chorus.
No rap, no choir wall.
### Arrangement
[Intro] fingerpicked guitar and a soft piano figure, no drums.
[Verse] guitar stays primary; piano answers between lines.
[Pre-Chorus] brushed kit and upright bass enter quietly.
[Chorus] drums and bass lock; guitar opens; piano widens.
[Verse] drop back toward the intro texture.
[Chorus] fuller than the first chorus.
[Outro] guitar and piano only, soft landing, no hard cutoff.
[Verse]
Morning light filtering through the pine
Every quiet street is yours and mine
[Chorus]
Softly the world begins to breathe
[Verse]
I keep the window cracked for the rain
[Chorus]
Softly the world begins to breathe
[Outro]
Leave the light on for the eveningDie ersten zwei Lyric-Zeilen folgen MiniMax’ öffentlichem Beispiel-Couplet; der Rest ist ein kurzes Original-Sheet, damit der Chorus zurückkommen kann (GitHub-README).
Prompt B — Trap-Soul-R&B, Sänger vorn
### Global Metadata
Genre: contemporary R&B / trap soul. Slow-to-mid pocket, late-night.
Verse stays close and conversational; chorus opens without turning into EDM.
Headphones, dry-room vocal, polished but not glossy.
### Vocal Details
Mature male lead, warm baritone-tenor, intimate verse, fuller chorus.
Soft stacked backgrounds on the chorus only. No guest rap unless tagged.
### Arrangement
[Intro] electric piano and a muted guitar lick, 808 far back.
[Verse] hats stay quiet; bass is felt more than heard.
[Pre-Chorus] hats open a little; a second vocal layer appears.
[Chorus] 808 and clap land; keys widen; guitar stays decorative.
[Bridge] strip to keys and voice.
[Chorus] last chorus keeps the low end but does not add a festival drop.
[Outro] keys and a fading 808, no riser.
[Verse]
City lights smear on the window glass
I replay the message I should not have
[Pre-Chorus]
Tell me if the night is still honest
[Chorus]
Keep the low end under my voice
Do not let the drums start a fight
[Bridge]
If the hook comes back, let it come quiet
[Chorus]
Keep the low end under my voice
[Outro]
Leave the last note in the roomPrompt C — Mandopop / East Asian modern, Singer-first
### Global Metadata
Genre: modern Mandopop with restrained electronic R&B color.
Mid-slow ballad pulse. Tender verse, lifted but not shouted chorus.
Indoor night scene, warm vocal in front of room piano and light pads.
### Vocal Details
Clear female lead, speech-like verse, longer tones in the chorus.
Light doubles on the chorus. No English rap, no stadium gang vocals.
### Arrangement
[Intro] room piano and a distant guzheng figure.
[Verse] piano and a soft electronic pulse; guzheng answers phrases.
[Pre-Chorus] pads rise; kick stays soft.
[Chorus] full but still singer-first; strings enter under the last line.
[Verse] thinner than verse one.
[Chorus] slightly wider than the first chorus.
[Outro] piano and guzheng only.
[Verse]
屋檐下青苔长
木窗边月影扬
[Chorus]
岁月如歌 歌声悠长
我们牵手走过风霜
[Verse]
摇椅轻晃夕阳下
[Chorus]
岁月如歌 歌声悠长
[Outro]
人间烟火 平淡无瑕Offizielle MiniMax-Samples umfassen eine warme Mandarin-Ballade und einen Shanghai-Jazz- / Soul-Cut; dieser Brief ist ein Workspace-Startpunkt, kein Anspruch, dass jeder Run diese Demos trifft (MiniMax-Blog; offizielle Demo).
Prompt D — Cinematic Instrumental, keine Stimme
### Global Metadata
Genre: cinematic orchestral cue, not a pop song.
Slow build from a thin solo line to a controlled mid-fortissimo, then release.
Trailer-adjacent, but no cheap brass stab every four bars.
### Vocal Details
Instrumental only. No lead singer, no choir lyric, no whispered vocal hook.
Low strings and a solo cello carry the melody.
### Arrangement
[Intro] solo cello, almost dry.
[Instrumental] violas and a quiet pulse enter; harp is decorative.
[Instrumental] low brass supports, percussion stays military-soft.
[Instrumental] peak without a jump-scare hit.
[Outro] cello alone, room tail, no hard cutoff.
[Instrumental]
[Outro]Offizielle Docs dokumentieren einen Instrumental-Pfad im Caption- / Tag-Set (ComfyUI-Tutorial). Nutzen Sie den Instrumental-Modus im Workspace, damit das Modell nicht gebeten wird, eine Stimme zu erfinden.
Steuerung, Fehler, Checkliste
Steuerung, die auf dieser Site wirklich existiert
- Prompt- / Lyrics- / Instrumental-Modi im Workspace
- Eine 20-Credit-Kostenanzeige vor dem Run
- Library-Replay plus WAV- / MP3-Download nach einem fertigen Take
Fehler, vor denen die offiziellen Docs bereits warnen
- Tags und Captions sind generative Steuerung, keine gesperrte Tempo-Map und keine garantierte Instrumentenliste (Modellkarte)
- Lokales Self-Host ist ein anderer Job (dokumentiert um 24 GB volle Präzision, etwa 8 GB mit Layer-Streaming). Diese Site ist der Browser-Pfad (Modellkarte)
- Vendor-Dauer ist bis zu fünf Minuten; offizielle Startseiten-Demos liegen bei etwa drei Minuten. Lesen Sie nicht jeden gehosteten Run als Fünf-Minuten-Render (Modellkarte; ComfyUI)
Checkliste, bevor Sie die zweiten 20 Credits ausgeben
- Ein Family-Name, nicht fünf gestapelte Adjektive
- Sänger-Geschlecht oder „nur instrumental“
- Ein Instrument, das hörbar bleiben muss
- Tags in eigenen Zeilen, wenn Sie Lyrics haben
- Sie haben bereits eine Startseiten-Demo gehört, die zum Job passt
Was wir wissen vs. was wir nicht behaupten
| Wir wissen (belegt) | Wir wissen nicht / behaupten nicht |
| --- | --- |
| Music-3-Open-Weight-Launch 2026-08-13 (MiniMax-Blog; X) | Dass eine Drei-Block-Caption eine Einzeiler-Stimmung in jedem Genre immer schlägt |
| Offizielles Skill: 18 Families, ~1.000 Templates, statische Textbibliothek (Skills-README) | Dass der Rewriter eine Template-ID in Ihren Song kopiert (er ist angewiesen, das nicht zu tun) |
| Caption → instructions, Lyrics → input (GitHub-README) | Dass gehostete Runs hier diese rohen API-Feldnamen in der UI zeigen |
| Abschnitt-Tags + Caption sind dokumentierte Steuerung, keine symbolischen Garantien (Modellkarte) | Exaktes BPM- / Tonart- / Instrument-Lock bei jedem Take |
| Dieses Produkt: 20 Credits pro Run, 20 Credits bei der Anmeldung | Cross-Channel-Dollar-pro-Song-Einkaufstabellen |
FAQ
Brauche ich das music-caption-rewriter Skill, um MiniMax Music 3 zu nutzen?
Nein. Offizielle Docs sagen, eine knappe natürlichsprachliche Beschreibung kann direkt verwendet werden. Das Skill ist für reichere, präzisere Steuerung (Modellkarte; Skills-README).
Wie erzeuge ich verschiedene Genres mit MiniMax Music 3?
Nennen Sie eine Family aus dem Router (Pop, Hip-Hop, Jazz, cinematic orchestral, East Asian modern und der Rest), dann schreiben Sie Global Metadata + Vocal Details + Arrangement. Das ins Workspace legen. Stimmungswörter allein routen in den General-Pop- / Ballad-Fallback (Genre-Router).
Was kommt in Lyrics, was in die Musikbeschreibung?
Lyrics: Worte plus Abschnitt-Tags. Beschreibung: Stil, Emotion, Vocal, Instrumente und wie sich das Arrangement ändert. Dieselbe Strophe nicht in beide Felder legen (GitHub-README; SKILL.md).
Kann MiniMax Music 3 ein Instrumental machen?
Ja. Instrumental in der Caption sagen und den Instrumental-Modus nutzen. Offizielle Materialien enthalten [Instrumental] als Tag (ComfyUI). Prompt D ist der kopierbare Startpunkt.
Trifft das Modell mein exaktes BPM und meine Tonart?
Nicht als Garantie. Offizielle Limits sagen, Tempo, Tonart, Instrumentation, Lyrics und Struktur können driften (Modellkarte). Bevorzugen Sie ein Tempo-Feel, außer Sie brauchen wirklich eine Zahl.
Ist diese Website MiniMax-offiziell?
Nein. minimaxmusic3.org ist ein unabhängiges Produkt. Offizielle Forschung steht im MiniMax-Blog und auf Hugging Face. Wir hosten öffentliche Demo-Audio, damit Sie eine Referenz hören, bevor Sie Credits ausgeben.
Wie funktionieren Credits hier?
Ein Musik-Run kostet 20 Credits. Die Anmeldung gibt 20 Credits, der erste Song ist also gedeckt. Extra-Songs nutzen ein Einmal-Pack. Fehlgeschlagene Runs erstatten Credits. Dieser Artikel vergleicht keine Preislisten anderer Firmen.
Kann ich einen generierten Song kommerziell nutzen?
Bezahlte Credit-Packs auf dieser Site schließen kommerzielle Nutzung gemäß unseren Rechtstexten ein. Der Anmelde-Trial-Song ist zum persönlichen Testen. MiniMax’ Community License ist ein separater Vertrag, wenn Sie die Weights selbst hosten (LICENSE).
Wo anfangen, wenn ich nur eine Stimmung habe?
Eine Startseiten-Demo spielen, dann Prompt A (Vocal-Pop) oder Prompt D (Instrumental) ausführen. Wer singt und ein Instrument festlegen, bevor Sie Adjektive stapeln.
Schreibt das Skill meine Lyrics um?
Nein. Offizielle Skill-Regeln: Lyric-Text wird nie reproduziert oder umgeschrieben; nur geklammerte Tags wirken als musikalische Direktiven (Skills-README).
Soll ich hier Preise über Plattformen vergleichen?
Nein. Entscheiden Sie nach Job-Fit und Keeper-Rate, dann preisen Sie auf der Fläche, von der Sie tatsächlich ausliefern.
Über Quinn Sato
Quinn Sato schreibt Musik-Workflows: Lyrics, Captions und Instrumental-Briefs werden zu wiederholbaren Browser-Abläufen auf MiniMax Music 3.
