一句心情——「做史诗感」「悲伤钢琴」「深夜 vibe」——是合法的 MiniMax Music 3 输入，但不是官方文档里的控制面。MiniMax 自己的 Prompt Enhancement 路径会把这句扩成 Structured Caption：全局元数据、人声细节、分段编曲（MiniMax 研究博客；Hugging Face 模型卡；GitHub skills）。
官方 music-caption-rewriter skill 做的就是这件事：吃一句短描述和可选带标签歌词，经过 18 个 style family 和约 1,000 条 caption 模板，吐出可直接生成的 caption。然后把 caption 放进音乐描述栏，歌词原文留在歌词栏（skills README；模型卡）。
这是一篇 how-to，不是排行榜。读完你会带走三段 Caption 形状、「各类曲风」的 family 地图、四条可复制 brief，以及从官方 demo 试听台走到 MiniMax Music 3 工作区 的路径。
先看结论
- MiniMax Music 3（开源权重发布于 2026 年 8 月 13 日）用音乐描述 + 可选歌词写完整歌；厂商宣称最长约 五分钟；32 kHz、16-bit 立体声 WAV（MiniMax 博客；模型卡）。
- Structured Caption 固定三个标题、这个顺序：Global Metadata、Vocal Details、Arrangement。官方把它当成精确控制语言，而不是一句全局风格标签（模型卡；GitHub README）。
music-caption-rewriter是纯文本 agent skill（无额外 API、无权重）。安装：npx skills add MiniMax-AI/MiniMax-Music3 --skill music-caption-rewriter，再调用$music-caption-rewriter（skills README）。- 18 个 style family 覆盖流行与抒情、嘻哈说唱、金属与重摇滚、电影管弦、东亚现代、爵士摇摆等。router 先选 family，再只打开需要的模板（genre router）。
- 本站路径： 先在首页听官方样曲，再把改写后的 caption 和带标签歌词贴进工作区。一次 run 20 积分；注册赠送 20 积分。
关键要点
- 两个字段，两份工作。 官方 serving 文档把歌词放进
input，音乐描述放进instructions。skill 只改写描述，不得引用或改写歌词正文（GitHub README；SKILL.md）。 - 标签是结构，不是装饰。
[Intro]、[Verse]、[Pre-Chorus]、[Chorus]、[Post-Chorus]、[Bridge]、[Instrumental]、[Solo]、[Outro]各自单独一行（模型卡；ComfyUI 教程）。 - 曲风优先于心情形容词。 官方 router 把
emotional、epic、dark、cinematic当成修饰词，除非你同时给出律动、乐器或市场曲风（genre router）。 - 不要编造假 BPM 或调性。 skill 要求：没有明确数字时用区间或定性速度（SKILL.md）。
- 标签不是 DAW 锁。 官方限制：生成的速度、调性、乐器、歌词和结构不一定精确命中每一条要求（模型卡）。
- 本站是独立产品。 官方研究在 MiniMax 博客 和 Hugging Face。先在这里听公开 demo，再在浏览器工作区生成。
skill 实际返回什么
rewriter 是带 progressive disclosure 的文本库。它不会扫完全部 1,000 条模板：先读 genre router，打开一到两个 family 索引，最多选三条不同职责的参考——Foundation、Modifier、Arrangement——再围绕你的 brief 新写一条 caption（skills README；SKILL.md）。
输出恰好三个顶级标题，默认英文（除非你要求别的语言）；编曲段大约 250–450 词（SKILL.md）：
| 区块 | 该写什么 | 不该编造什么 | | --- | --- | --- | | Global Metadata | 曲风 / 子风格、速度（区间或感觉）、情绪弧、聆听场景、制作气质 | 你从未指定的精确 BPM 或调性 | | Vocal Details | 主唱性别、音色、音区、演绎、和声、克制的效果 | 从歌词抄来的主题情节 | | Arrangement | 分段时间线：谁进来、谁退出、谁变强 | 没有能量弧的器材清单 |
如果要求纯器乐，Vocal Details 必须保持 instrumental，并点出承担旋律的乐器。skill 禁止擅自加人声（SKILL.md）。
全局元数据 · 人声细节 · 编曲 · 编辑示意图 · generated for MiniMax Music 3 blog
18 个 style family（先选一个再写）
把这张表当 router，不是歌单。官方线索词来自 genre router。
| 如果你的 brief 像… | 路由到 | | --- | --- | | 华语流行 / C-pop / J-pop，带电子、R&B 或舞曲制作 | East Asian modern | | 华语抒情、国风、原声或管弦东亚流行 | East Asian ballad / heritage | | 当代 R&B、neo-soul、trap soul | Modern R&B / neo-soul | | 灵魂、蓝调、福音、敬拜 | Soul / blues / gospel | | 电影感人声抒情 | Cinematic pop / ballad | | 电影配乐、预告片、合唱、管弦本身就是身份 | Cinematic orchestral / epic | | Synth-pop、dream pop、retrowave、downtempo | Electronic / synth / ambient pop | | 人声爵士、摇摆、波萨、大乐队 | Jazz / swing / big band | | 克鲁纳、音乐剧、doo-wop、卡巴莱 | Traditional vocal / stage | | 嘻哈、说唱、trap、drill、lo-fi hip-hop | Hip-hop / rap | | 金属核、力量金属、硬摇滚 | Metal / heavy rock | | 流行摇滚、独立摇滚、竞技场摇滚、朋克 | Pop / alternative rock | | 独立民谣、唱作、现代原声 | Contemporary folk / acoustic | | 凯尔特、传统民谣、雷鬼、传统乐器是核心 | Roots / traditional / global | | 只有心情，没有曲风 | General pop / ballad（兜底） | | Dance-pop、nu-disco、funk-pop | Dance-pop / disco / funk | | House、trance、techno、festival drop | Club / EDM / house / trance | | 乡村、Americana、蓝草、乡村流行 | Country / Americana |
官方 fusion 规则：「X 带 Y 影响」= 主 X、次 Y。最多读两个 family。单独一个 cinematic 只是修饰，不够选管弦 family（genre router）。
若你要的是选型对照而不是写作流程，看姊妹文 MiniMax Music 3 vs Suno。
怎么写 brief（五步）
1. 先听
在首页播一首官方样曲。Feel Alive 是偏人声的 R&B；In the Way 是会回来的副歌流行；The Real Man 是大声乐队。你在校准「成品能长什么样」，不是去抄 demo 歌词。
2. 一句话点名 family
写清 曲风、谁唱（或「只要器乐」）、一件核心乐器、能量怎么走。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）
这句话已经是合法描述。需要三段展开时才用 skill。
3. 有词才加歌词标签
有主歌就让每个标签单独一行。skill 只把方括号当成音乐指令，不得把歌词正文写进 caption（SKILL.md）。
没词就跳过歌词模式，或在工作区用纯器乐模式。
4. 展开——或直接贴短句
方案 A — 你已经在用 Cursor / Claude Code / Codex：
npx skills add MiniMax-AI/MiniMax-Music3 --skill music-caption-rewriter然后说：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 贴进工作区描述框。官方风格的短句也能生成；三段形式是为了更紧的控制（模型卡）。
5. 在本站生成
打开 MiniMax Music 3 工作区。caption 放进 prompt / 描述。带标签歌词走歌词模式。Prompt D 切纯器乐模式。一次 run 20 积分。
可复制 brief（四个任务）
这些是原创工作区 brief，不是抄来的模板文件。只改你真正拥有的名字。从结构、歌词稳住、人声贴合、编曲清晰、可用结尾五轴打分。
Prompt A — 必须绽开的原声流行
### 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前两句歌词沿用 MiniMax 公开示例对句，其余是短原创，好让副歌回来（GitHub README）。
Prompt B — trap-soul R&B，人声在前
### 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 — 华语流行 / 东亚现代，人声优先
### 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 平淡无瑕官方样例包括温暖国语抒情和上海爵士 / soul；这条 brief 是工作区起点，不保证每次 run 都像那些 demo（MiniMax 博客；官方 demo）。
Prompt D — 电影感器乐，不要人声
### 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]官方文档在 caption / 标签集里写了器乐路径（ComfyUI 教程）。工作区请切 纯器乐模式，别让模型自己编一个歌手。
控件、失败边界、清单
本站真实存在的控件
- 工作区 的 prompt / 歌词 / 纯器乐模式
- run 前显示的 20 积分费用
- 完成后的资料库回放，以及 WAV / MP3 下载
官方文档已经写明的失败
- 标签和 caption 是生成式控制，不是锁定的速度图或保证乐器清单（模型卡）
- 本地自托管是另一份工作（文档大约 24 GB 全精度，分层流式大约 8 GB）。本站是浏览器路径（模型卡）
- 厂商时长是最长约 五分钟；首页官方 demo 大约 三分钟。不要把每次托管 run 读成五分钟成片（模型卡；ComfyUI）
花第二笔 20 积分之前
- 一个 family 名，不要堆五个形容词
- 主唱性别 或「只要器乐」
- 一件必须听得见的乐器
- 有歌词就把标签单独成行
- 已经听过一首对得上任务的首页 demo
我们知道 vs 我们不声称
| 我们知道（有源） | 我们不知道 / 不声称 |
| --- | --- |
| Music 3 开源权重发布于 2026-08-13（MiniMax 博客；X） | 三段 caption 在每种曲风上都一定赢过一句 vibe |
| 官方 skill：18 个 family、约 1,000 条模板、纯文本库（skills README） | rewriter 会把模板 ID 写进你的歌（它被要求不要这样做） |
| caption → instructions，歌词 → input（GitHub README） | 本站托管 run 会在 UI 里露出这些原始 API 字段名 |
| 段落标签 + caption 是文档化控制，不是符号保证（模型卡） | 每次都能锁死 BPM / 调性 / 乐器 |
| 本产品：每次 run 20 积分，注册赠送 20 积分 | 跨渠道按美元/首歌比价表 |
常见问题
不用 music-caption-rewriter skill 也能用 MiniMax Music 3 吗？
能。官方说简洁自然语言描述可以直接用。skill 是为了更丰富、更精确的控制（模型卡；skills README）。
怎么用 MiniMax Music 3 生成不同曲风？
从 router 点一个 family（流行、嘻哈、爵士、电影管弦、东亚现代等），再写 Global Metadata + Vocal Details + Arrangement，贴进工作区。只有心情词会落到通用流行 / 抒情兜底（genre router）。
歌词和音乐描述分别放什么？
歌词：词 + 段落标签。描述：风格、情绪、人声、乐器、编曲怎么变。不要把同一段主歌贴进两个栏（GitHub README；SKILL.md）。
MiniMax Music 3 能做纯器乐吗？
能。在 caption 里写明 instrumental，并切纯器乐模式。官方材料包含 [Instrumental] 标签（ComfyUI）。Prompt D 是可复制起点。
模型会打中我指定的 BPM 和调性吗？
不保证。官方限制写明速度、调性、乐器、歌词和结构都可能漂移（模型卡）。除非你真的需要数字，否则写速度感觉。
本站是 MiniMax 官方吗？
不是。minimaxmusic3.org 是独立产品。官方研究在 MiniMax 博客 和 Hugging Face。我们托管公开 demo 音频，让你在花积分前先听到参考。
本站积分怎么算？
一次音乐 run 20 积分。注册赠送 20 积分，所以第一首歌被覆盖。后续用一次性积分包。失败 run 退积分。本文不对照其他公司价目。
生成的歌能商用吗？
本站付费积分包按法律页含商用。注册试用歌仅供个人测试。若你自托管权重，MiniMax Community License 是另一份合同（LICENSE）。
只有心情该从哪开始？
听一首首页 demo，再跑 Prompt A（人声流行）或 Prompt D（器乐）。先写谁唱和一件乐器，再堆形容词。
skill 会改写我的歌词吗？
不会。官方规则：歌词正文从不复述或改写；只有方括号标签是音乐指令（skills README）。
要在这里比各平台价格吗？
不要。先看任务是否贴合、keeper 率，再在你真正出片的那一层定价。
关于 Quinn Sato
Quinn Sato 是音乐工作流作者，把歌词、caption 和器乐 brief 写成可在 MiniMax Music 3 浏览器里重复跑的流程。
