Un ánimo de una línea — «hazlo épico», «piano triste», «vibe de madrugada» — es una entrada legal de MiniMax Music 3. No es la superficie de control para la que se documentó el modelo. El camino Prompt Enhancement de MiniMax ensancha esa línea en un Structured Caption: Global Metadata, Vocal Details y un Arrangement sección a sección (blog de investigación MiniMax; ficha Hugging Face; GitHub skills).
Ese es el oficio del skill oficial music-caption-rewriter: tomar una descripción corta más letra etiquetada opcional, enrutar el brief por 18 familias de estilo y unos 1.000 templates de caption, y devolver un caption listo para generar. Luego pones el caption en el campo de descripción musical y dejas el texto de la letra en el campo de letra (skills README; ficha del modelo).
Esta guía es un how-to, no un ranking. Te llevas la forma de tres bloques, un mapa de familias para «cualquier género», cuatro briefs copiables y un camino de prueba que empieza en la mesa de escucha de demos oficiales y termina en el workspace de MiniMax Music 3.
TLDR
- MiniMax Music 3 (pesos abiertos el 13 de agosto de 2026) escribe una canción completa a partir de una descripción musical más letra opcional, con un techo del vendedor de unos cinco minutos y WAV estéreo 32 kHz, 16 bits (blog MiniMax; ficha del modelo).
- Structured Caption son tres encabezados en este orden: Global Metadata, Vocal Details, Arrangement. Los docs oficiales lo tratan como el lenguaje de control preciso, no como una etiqueta de estilo global (ficha del modelo; GitHub README).
music-caption-rewriteres un skill de agente estático (sin APIs extra, sin pesos). Instálalo connpx skills add MiniMax-AI/MiniMax-Music3 --skill music-caption-rewritere invoca$music-caption-rewriter(skills README).- 18 familias de estilo cubren pop y balada, hip-hop y rap, metal y hard rock, orquestal de cine, Asia oriental moderna, jazz y swing, y más. El router elige primero una familia y luego abre solo los templates que necesita (genre router).
- En este sitio: oye un tema oficial en la portada y pega el caption reescrito y la letra etiquetada en el workspace. Un run son 20 créditos; el alta otorga 20 créditos.
Claves
- Dos campos, dos oficios. Los docs oficiales de serving ponen la letra en
inputy la descripción musical eninstructions. El skill solo reescribe la descripción; no debe citar ni parafrasear versos (GitHub README; SKILL.md). - Las etiquetas son estructura, no adorno. Pon
[Intro],[Verse],[Pre-Chorus],[Chorus],[Post-Chorus],[Bridge],[Instrumental],[Solo]y[Outro]cada uno en su propia línea (ficha del modelo; tutorial ComfyUI). - El género gana a los adjetivos de ánimo. El router oficial trata
emotional,epic,darkycinematiccomo modificadores, salvo que también des groove, instrumentos o un estilo de mercado (genre router). - No inventes un BPM o una tonalidad falsos. El skill pide un rango o un tempo cualitativo, salvo que un número sea explícito o esté muy justificado (SKILL.md).
- Las etiquetas no cierran un DAW. Limitaciones oficiales: el tempo, la tonalidad, la instrumentación, la letra y la estructura generados pueden no coincidir con cada detalle pedido (ficha del modelo).
- Este sitio es independiente. La investigación oficial vive en el blog MiniMax y Hugging Face. Oye demos públicas aquí y genera en el workspace del navegador.
Qué devuelve de verdad el skill
El rewriter es una biblioteca de texto con divulgación progresiva. No escanea los 1.000 templates. Lee el genre router, abre uno (a veces dos) índices de familia, toma hasta tres referencias con roles distintos — Foundation, Modifier, Arrangement — y sintetiza un caption nuevo alrededor de tu brief (skills README; SKILL.md).
La salida son exactamente tres encabezados de primer nivel, en inglés salvo que pidas otra cosa, típicamente unos 250–450 palabras en el bloque de arrangement (SKILL.md):
| Bloque | Qué nombrar | Qué no inventar | | --- | --- | --- | | Global Metadata | Género / subgénero, tempo (rango o feeling), arco emocional, escena de escucha, perfil de producción | Un BPM o una tonalidad precisos que nunca diste | | Vocal Details | Género del lead, timbre, registro, delivery, armonías, efectos contenidos | El tema de la letra copiado de las estrofas | | Arrangement | Línea de tiempo por sección: qué entra, sale o se intensifica | Una lista de equipo estática sin arco de energía |
Si pides instrumental, Vocal Details debe seguir siendo instrumental y nombrar el instrumento que lleva la melodía. El skill tiene prohibido añadir un cantante que no pediste (SKILL.md).
Global Metadata · Vocal Details · Arrangement · diagrama editorial · generated for MiniMax Music 3 blog
Las 18 familias de estilo (elige una y luego escribe)
Usa esta tabla como router, no como playlist. Las palabras clave oficiales salen del genre router.
| Si tu brief suena a… | Enruta a | | --- | --- | | Mandopop / C-pop / J-pop con producción electrónica, R&B o dance | East Asian modern | | Balada mandopop, guofeng, pop de Asia oriental acústico u orquestal | East Asian ballad / heritage | | R&B contemporáneo, neo-soul, trap soul | Modern R&B / neo-soul | | Soul, blues, gospel, worship | Soul / blues / gospel | | Balada vocal de banda sonora | Cinematic pop / ballad | | Score de cine, tráiler, coro, orquesta como identidad | Cinematic orchestral / epic | | Synth-pop, dream pop, retrowave, downtempo | Electronic / synth / ambient pop | | Jazz vocal, swing, bossa, big band | Jazz / swing / big band | | Crooner, teatro musical, 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, cantautor, acústico moderno | Contemporary folk / acoustic | | Celta, folk tradicional, reggae, instrumentos patrimoniales en el centro | Roots / traditional / global | | Solo un ánimo, sin género | General pop / ballad (fallback) | | Dance-pop, nu-disco, funk-pop | Dance-pop / disco / funk | | House, trance, techno, drop de festival | Club / EDM / house / trance | | Country, Americana, bluegrass, country pop | Country / Americana |
Regla de fusión del router oficial: «X with Y influences» = X primario, Y secundario. Lee como máximo dos familias. Una palabra como cinematic sola es un modificador, no basta para elegir la familia orquestal (genre router).
Si quieres un mapa modelo-contra-modelo en vez de un flujo de escritura, usa el artículo hermano MiniMax Music 3 vs Suno.
Cómo escribir el brief (cinco pasos)
1. Escucha primero
Reproduce un tema oficial en la portada. Feel Alive es una referencia R&B con la voz al frente; In the Way es pop de estribillo que vuelve; The Real Man es una banda fuerte. Estás calibrando «cómo puede sonar un disco Music 3 terminado», no copiando la letra de la demo.
2. Nombra la familia en una frase
Escribe el género, quién canta (o «instrumental only»), un instrumento núcleo y cómo debe moverse la energía. Ejemplo de los propios docs de MiniMax: “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)
Esa frase ya es una descripción legal. El skill existe cuando quieres la expansión de tres bloques.
3. Añade etiquetas de letra solo si tienes palabras
Si tienes estrofas, cada etiqueta en su línea. El skill trata solo los corchetes como directivas musicales. No debe reimprimir tu texto de letra dentro del caption (SKILL.md).
Si no tienes palabras, salta el modo letra o usa el modo instrumental en el workspace.
4. Expande — o pega la línea corta
Opción A — ya usas Cursor / Claude Code / Codex:
npx skills add MiniMax-AI/MiniMax-Music3 --skill music-caption-rewriterLuego pide: Use $music-caption-rewriter to turn my music description and optional tagged lyrics into a concise, section-aware Music 3.0 caption. (skills README)
Opción B — solo quieres una canción hoy: pega los Prompts A–D abajo en la caja de descripción del workspace. Una frase corta de estilo oficial sigue generando; la forma de tres bloques es para un control más apretado (ficha del modelo).
5. Genera en este sitio
Abre el workspace de MiniMax Music 3. Pon el caption en el campo prompt / descripción. Pon la letra etiquetada en modo letra. Cambia a modo instrumental para el Prompt D. Un run cuesta 20 créditos.
Briefs copiables (cuatro oficios)
Son briefs de workspace originales, no archivos de template copiados. Cambia solo nombres que te pertenezcan. Puntúa cada take en estructura, sujeción de la letra, encaje vocal, claridad de arreglo y un final usable.
Prompt A — pop acústico que tiene que abrirse
### 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 eveningLas dos primeras líneas de letra siguen el pareado de ejemplo público de MiniMax; el resto es una hoja corta original para que el estribillo pueda volver (GitHub README).
Prompt B — R&B trap-soul, cantante al frente
### 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 / Asia oriental moderna, voz primero
### 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Los samples oficiales de MiniMax incluyen una balada mandarina cálida y un corte jazz / soul de Shanghái; este brief es un punto de partida del workspace, no la afirmación de que cada run coincidirá con esas demos (blog MiniMax; demo oficial).
Prompt D — instrumental de cine, sin cantante
### 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]Los docs oficiales documentan un camino instrumental en el conjunto caption / etiquetas (tutorial ComfyUI). Usa el modo instrumental en el workspace para que el modelo no tenga que inventar un cantante.
Controles, fallos, checklist
Controles que de verdad existen en este sitio
- Modos prompt / letra / instrumental en el workspace
- Un coste de 20 créditos mostrado antes del run
- Replay de biblioteca más descarga WAV / MP3 tras una take terminada
Fallos que los docs oficiales ya advierten
- Etiquetas y captions son control generativo, no un mapa de tempo bloqueado ni una lista de instrumentos garantizada (ficha del modelo)
- El self-host local es otro oficio (documentado en torno a 24 GB a plena precisión, unos 8 GB con streaming de capas). Este sitio es el camino del navegador (ficha del modelo)
- La duración del vendedor llega hasta cinco minutos; las demos oficiales de portada rondan tres minutos. No leas cada run alojado como un render de cinco minutos (ficha del modelo; ComfyUI)
Checklist antes de gastar los siguientes 20 créditos
- Un nombre de familia, no cinco adjetivos apilados
- Género de quien canta o «instrumental only»
- Un instrumento que debe seguir audible
- Etiquetas en su propia línea si tienes letra
- Ya oíste una demo de portada que encaja con el oficio
Lo que sabemos vs. lo que no afirmamos
| Sabemos (con fuente) | No sabemos / no afirmamos |
| --- | --- |
| Lanzamiento open-weight de Music 3 el 2026-08-13 (blog MiniMax; X) | Que un caption de tres bloques siempre gana a una vibe de una frase en cada género |
| Skill oficial: 18 familias, ~1.000 templates, biblioteca de texto estática (skills README) | Que el rewriter copia un ID de template a tu canción (se le dice que no lo haga) |
| Caption → instructions, letra → input (GitHub README) | Que los runs alojados aquí exponen esos nombres crudos de campo API en la UI |
| Etiquetas de sección + caption son control documentado, no garantías simbólicas (ficha del modelo) | Un bloqueo exacto de BPM / tonalidad / instrumento en cada take |
| Este producto: 20 créditos por run, 20 créditos al registrarse | Tablas de compra dólar-por-canción entre canales |
FAQ
¿Necesito el skill music-caption-rewriter para usar MiniMax Music 3?
No. Los docs oficiales dicen que una descripción concisa en lenguaje natural se puede usar directo. El skill sirve para un control más rico y más preciso (ficha del modelo; skills README).
¿Cómo genero géneros distintos con MiniMax Music 3?
Nombra una familia del router (pop, hip-hop, jazz, orquestal de cine, Asia oriental moderna y el resto) y escribe Global Metadata + Vocal Details + Arrangement. Pégalo en el workspace. Las palabras de ánimo solas enrutan al fallback general pop / ballad (genre router).
¿Qué va en la letra vs la descripción musical?
Letra: palabras más etiquetas de sección. Descripción: estilo, emoción, voz, instrumentos y cómo cambia el arreglo. No pegues la misma estrofa en los dos campos (GitHub README; SKILL.md).
¿Puede MiniMax Music 3 hacer un instrumental?
Sí. Di instrumental en el caption y usa el modo instrumental. Los materiales oficiales incluyen [Instrumental] como etiqueta (ComfyUI). El Prompt D es el punto de partida copiable.
¿El modelo dará en el BPM y la tonalidad exactos?
No como garantía. Las limitaciones oficiales dicen que tempo, tonalidad, instrumentación, letra y estructura pueden derivar (ficha del modelo). Prefiere un feeling de tempo salvo que de verdad necesites un número.
¿Este sitio es oficial de MiniMax?
No. minimaxmusic3.org es un producto independiente. La investigación oficial está en el blog MiniMax y Hugging Face. Alojamos el audio público de demo para que oigas una referencia antes de gastar créditos.
¿Cómo funcionan los créditos aquí?
Un run musical son 20 créditos. El alta otorga 20 créditos, así que la primera canción queda cubierta. Las siguientes usan un pack único. Los runs fallidos reembolsan créditos. Este artículo no compara listas de precio de otras empresas.
¿Puedo usar una canción generada con fines comerciales?
Los packs de créditos de pago en este sitio incluyen uso comercial según nuestras páginas legales. La canción de prueba del alta es para test personal. La Community License de MiniMax es un contrato aparte si self-hosteas los pesos (LICENSE).
¿Por dónde empiezo si solo tengo un ánimo?
Reproduce una demo de portada y lanza el Prompt A (pop vocal) o el Prompt D (instrumental). Añade quién canta y un instrumento antes de apilar adjetivos.
¿El skill reescribe mi letra?
No. Reglas oficiales del skill: el texto de la letra nunca se reproduce ni se reescribe; solo las etiquetas entre corchetes actúan como directivas musicales (skills README).
¿Debo comparar precios entre plataformas aquí?
No. Decide por encaje del oficio y tasa de keeper, luego pon precio en la superficie desde la que realmente entregas.
Sobre Quinn Sato
Quinn Sato escribe flujos musicales: letra, captions y briefs instrumentales se vuelven workflows de navegador repetibles en MiniMax Music 3.
