一句心情——「做史詩感」「悲傷鋼琴」「深夜 vibe」——是合法的 MiniMax Music 3 輸入，但不是官方文件裡的控制面。MiniMax 自己的 Prompt Enhancement 路徑會把這句擴成 Structured Caption：全域元資料、人聲細節、分段編曲（MiniMax 研究部落格；Hugging Face 模型卡；GitHub skills）。
官方 music-caption-rewriter skill 做的就是這件事：吃一句短描述和可選帶標籤歌詞，經過 18 個 style family 和約 1,000 條 caption 模板，吐出可直接生成的 caption。然後把 caption 放進音樂描述欄，歌詞原文留在歌詞欄（skills README；模型卡）。
這是一篇 how-to，不是排行榜。讀完你會帶走三段 Caption 形狀、「各類曲風」的 family 地圖、四條可複製 brief，以及從官方 demo 試聽臺走到 MiniMax Music 3 工作區 的路徑。
先看結論
- MiniMax Music 3（開源權重發布於 2026 年 8 月 13 日）用音樂描述 + 可選歌詞寫完整歌；廠商宣稱最長約 五分鐘；32 kHz、16-bit 立體聲 WAV（MiniMax 部落格；模型卡）。
- Structured Caption 固定三個標題、這個順序：Global Metadata、Vocal Details、Arrangement。官方把它當成精確控制語言，而不是一句全局風格標籤（模型卡；GitHub README）。
music-caption-rewriter是純文本 agent skill（無額外 API、無權重）。安裝：npx skills add MiniMax-AI/MiniMax-Music3 --skill music-caption-rewriter，再調用$music-caption-rewriter（skills README）。- 18 個 style family 覆蓋流行與抒情、嘻哈說唱、金屬與重搖滾、電影管弦、東亞現代、爵士搖擺等。router 先選 family，再只打開需要的模板（genre router）。
- 本站路徑： 先在首頁聽官方樣曲，再把改寫後的 caption 和帶標籤歌詞貼進工作區。一次 run 20 積分；註冊贈送 20 積分。
關鍵要點
- 兩個字段，兩份工作。 官方 serving 文件把歌詞放進
input，音樂描述放進instructions。skill 只改寫描述，不得引用或改寫歌詞正文（GitHub README；SKILL.md）。 - 標籤是結構，不是裝飾。
[Intro]、[Verse]、[Pre-Chorus]、[Chorus]、[Post-Chorus]、[Bridge]、[Instrumental]、[Solo]、[Outro]各自單獨一行（模型卡；ComfyUI 教程）。 - 曲風優先於心情形容詞。 官方 router 把
emotional、epic、dark、cinematic當成修飾詞，除非你同時給出律動、樂器或市場曲風（genre router）。 - 不要編造假 BPM 或調性。 skill 要求：沒有明確數字時用區間或定性速度（SKILL.md）。
- 標籤不是 DAW 鎖。 官方限制：生成的速度、調性、樂器、歌詞和結構不一定精確命中每一條要求（模型卡）。
- 本站是獨立產品。 官方研究在 MiniMax 部落格 和 Hugging Face。先在這裡聽公開 demo，再在瀏覽器工作區生成。
skill 實際返回什麼
rewriter 是帶 progressive disclosure 的文本庫。它不會掃完全部 1,000 條模板：先讀 genre router，打開一到兩個 family 索引，最多選三條不同職責的參考——Foundation、Modifier、Arrangement——再圍繞你的 brief 新寫一條 caption（skills README；SKILL.md）。
輸出恰好三個頂級標題，預設英文（除非你要求別的語言）；編曲段大約 250–450 詞（SKILL.md）：
| 區塊 | 該寫什麼 | 不該編造什麼 | | --- | --- | --- | | Global Metadata | 曲風 / 子風格、速度（區間或感覺）、情緒弧、聆聽場景、製作氣質 | 你從未指定的精確 BPM 或調性 | | Vocal Details | 主唱性別、音色、音區、演繹、和聲、克制的效果 | 從歌詞抄來的主題情節 | | Arrangement | 分段時間線：誰進來、誰退出、誰變強 | 沒有能量弧的器材清單 |
如果要求純器樂，Vocal Details 必須保持 instrumental，並點出承擔旋律的樂器。skill 禁止擅自加人聲（SKILL.md）。
全局元數據 · 人聲細節 · 編曲 · 編輯示意圖 · generated for MiniMax Music 3 blog
18 個 style family（先選一個再寫）
把這張表當 router，不是歌單。官方線索詞來自 genre router。
| 如果你的 brief 像… | 路由到 | | --- | --- | | 華語流行 / C-pop / J-pop，帶電子、R&B 或舞曲製作 | East Asian modern | | 華語抒情、國風、原聲或管弦東亞流行 | East Asian ballad / heritage | | 當代 R&B、neo-soul、trap soul | Modern R&B / neo-soul | | 靈魂、藍調、福音、敬拜 | Soul / blues / gospel | | 電影感人聲抒情 | Cinematic pop / ballad | | 電影配樂、預告片、合唱、管弦本身就是身份 | Cinematic orchestral / epic | | Synth-pop、dream pop、retrowave、downtempo | Electronic / synth / ambient pop | | 人聲爵士、搖擺、波薩、大樂隊 | Jazz / swing / big band | | 克魯納、音樂劇、doo-wop、卡巴萊 | Traditional vocal / stage | | 嘻哈、說唱、trap、drill、lo-fi hip-hop | Hip-hop / rap | | 金屬核、力量金屬、硬搖滾 | Metal / heavy rock | | 流行搖滾、獨立搖滾、競技場搖滾、朋克 | Pop / alternative rock | | 獨立民謠、唱作、現代原聲 | Contemporary folk / acoustic | | 凱爾特、傳統民謠、雷鬼、傳統樂器是核心 | Roots / traditional / global | | 只有心情，沒有曲風 | General pop / ballad（兜底） | | Dance-pop、nu-disco、funk-pop | Dance-pop / disco / funk | | House、trance、techno、festival drop | Club / EDM / house / trance | | 鄉村、Americana、藍草、鄉村流行 | Country / Americana |
官方 fusion 規則：「X 帶 Y 影響」= 主 X、次 Y。最多讀兩個 family。單獨一個 cinematic 只是修飾，不夠選管弦 family（genre router）。
若你要的是選型對照而不是寫作流程，看姊妹文 MiniMax Music 3 vs Suno。
怎麼寫 brief（五步）
1. 先聽
在首頁播一首官方樣曲。Feel Alive 是偏人聲的 R&B；In the Way 是會回來的副歌流行；The Real Man 是大聲樂隊。你在校準「成品能長什麼樣」，不是去抄 demo 歌詞。
2. 一句話點名 family
寫清 曲風、誰唱（或「只要器樂」）、一件核心樂器、能量怎麼走。MiniMax 自己的例子：「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）
這句話已經是合法描述。需要三段展開時才用 skill。
3. 有詞才加歌詞標籤
有主歌就讓每個標籤單獨一行。skill 只把方括號當成音樂指令，不得把歌詞正文寫進 caption（SKILL.md）。
沒詞就跳過歌詞模式，或在工作區用純器樂模式。
4. 展開——或直接貼短句
方案 A — 你已經在用 Cursor / Claude Code / Codex：
npx skills add MiniMax-AI/MiniMax-Music3 --skill music-caption-rewriter然後說：Use $music-caption-rewriter to turn my music description and optional tagged lyrics into a concise, section-aware Music 3.0 caption.（skills README）
方案 B — 今天只想出一首歌： 把下面 Prompt A–D 貼進工作區描述框。官方風格的短句也能生成；三段形式是爲了更緊的控制（模型卡）。
5. 在本站生成
打開 MiniMax Music 3 工作區。caption 放進 prompt / 描述。帶標籤歌詞走歌詞模式。Prompt D 切純器樂模式。一次 run 20 積分。
可複製 brief（四個任務）
這些是原創工作區 brief，不是抄來的模板文件。只改你真正擁有的名字。從結構、歌詞穩住、人聲貼合、編曲清晰、可用結尾五軸打分。
Prompt A — 必須綻開的原聲流行
### 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 evening前兩句歌詞沿用 MiniMax 公開示例對句，其餘是短原創，好讓副歌回來（GitHub README）。
Prompt B — trap-soul R&B，人聲在前
### 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 — 華語流行 / 東亞現代，人聲優先
### 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]
屋檐下青苔長
木窗邊月影揚
[Chorus]
歲月如歌 歌聲悠長
我們牽手走過風霜
[Verse]
搖椅輕晃夕陽下
[Chorus]
歲月如歌 歌聲悠長
[Outro]
人間煙火 平淡無瑕官方樣例包括溫暖國語抒情和上海爵士 / soul；這條 brief 是工作區起點，不保證每次 run 都像那些 demo（MiniMax 部落格；官方 demo）。
Prompt D — 電影感器樂，不要人聲
### 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]官方文件在 caption / 標籤集裡寫了器樂路徑（ComfyUI 教程）。工作區請切 純器樂模式，別讓模型自己編一個歌手。
控件、失敗邊界、清單
本站真實存在的控件
- 工作區 的 prompt / 歌詞 / 純器樂模式
- run 前顯示的 20 積分費用
- 完成後的資料庫回放，以及 WAV / MP3 下載
官方文件已經寫明的失敗
- 標籤和 caption 是生成式控制，不是鎖定的速度圖或保證樂器清單（模型卡）
- 本地自託管是另一份工作（文件大約 24 GB 全精度，分層流式大約 8 GB）。本站是瀏覽器路徑（模型卡）
- 廠商時長是最長約 五分鐘；首頁官方 demo 大約 三分鐘。不要把每次託管 run 讀成五分鐘成片（模型卡；ComfyUI）
花第二筆 20 積分之前
- 一個 family 名，不要堆五個形容詞
- 主唱性別 或「只要器樂」
- 一件必須聽得見的樂器
- 有歌詞就把標籤單獨成行
- 已經聽過一首對得上任務的首頁 demo
我們知道 vs 我們不聲稱
| 我們知道（有源） | 我們不知道 / 不聲稱 |
| --- | --- |
| Music 3 開源權重發布於 2026-08-13（MiniMax 部落格；X） | 三段 caption 在每種曲風上都一定贏過一句 vibe |
| 官方 skill：18 個 family、約 1,000 條模板、純文本庫（skills README） | rewriter 會把模板 ID 寫進你的歌（它被要求不要這樣做） |
| caption → instructions，歌詞 → input（GitHub README） | 本站託管 run 會在 UI 裏露出這些原始 API 字段名 |
| 段落標籤 + caption 是文件化控制，不是符號保證（模型卡） | 每次都能鎖死 BPM / 調性 / 樂器 |
| 本產品：每次 run 20 積分，註冊贈送 20 積分 | 跨渠道按美元/首歌比價表 |
常見問題
不用 music-caption-rewriter skill 也能用 MiniMax Music 3 嗎？
能。官方說簡潔自然語言描述可以直接用。skill 是爲了更豐富、更精確的控制（模型卡；skills README）。
怎麼用 MiniMax Music 3 生成不同曲風？
從 router 點一個 family（流行、嘻哈、爵士、電影管弦、東亞現代等），再寫 Global Metadata + Vocal Details + Arrangement，貼進工作區。只有心情詞會落到通用流行 / 抒情兜底（genre router）。
歌詞和音樂描述分別放什麼？
歌詞：詞 + 段落標籤。描述：風格、情緒、人聲、樂器、編曲怎麼變。不要把同一段主歌貼進兩個欄（GitHub README；SKILL.md）。
MiniMax Music 3 能做純器樂嗎？
能。在 caption 裏寫明 instrumental，並切純器樂模式。官方材料包含 [Instrumental] 標籤（ComfyUI）。Prompt D 是可複製起點。
模型會打中我指定的 BPM 和調性嗎？
不保證。官方限制寫明速度、調性、樂器、歌詞和結構都可能漂移（模型卡）。除非你真的需要數字，否則寫速度感覺。
本站是 MiniMax 官方嗎？
不是。minimaxmusic3.org 是獨立產品。官方研究在 MiniMax 部落格 和 Hugging Face。我們託管公開 demo 音頻，讓你在花積分前先聽到參考。
本站積分怎麼算？
一次音樂 run 20 積分。註冊贈送 20 積分，所以第一首歌被覆蓋。後續用一次性積分包。失敗 run 退積分。本文不對照其他公司價目。
生成的歌能商用嗎？
本站付費積分包按法律頁含商用。註冊試用歌僅供個人測試。若你自託管權重，MiniMax Community License 是另一份合同（LICENSE）。
只有心情該從哪開始？
聽一首首頁 demo，再跑 Prompt A（人聲流行）或 Prompt D（器樂）。先寫誰唱和一件樂器，再堆形容詞。
skill 會改寫我的歌詞嗎？
不會。官方規則：歌詞正文從不複述或改寫；只有方括號標籤是音樂指令（skills README）。
要在這裡比各平臺價格嗎？
不要。先看任務是否貼合、keeper 率，再在你真正出片的那一層定價。
關於 Quinn Sato
Quinn Sato 是音樂工作流作者，把歌詞、caption 和器樂 brief 寫成可在 MiniMax Music 3 瀏覽器裡重複跑的流程。
