MiniMax Music 3: Texto a música
Crea canciones completas a partir de prompts de texto con MiniMax Music 3, generando pistas completas de 5 minutos con estructura estable y audio de alta fidelidad. Ingresa un caption estructurado que describa letra, estilo, estado de ánimo y arreglo, y recibe una canción terminada como salida. Ideal para productores musicales que prototipan demos y creadores de contenido que necesitan pistas originales de fondo.
Probar un ejemplo
Acerca de este flujo de trabajo
Este flujo de trabajo tutorial de ComfyUI convierte texto estructurado en música de larga duración usando MiniMax Music 3. En el centro está el nodo generador MiniMax Music 3 (UUID: ac99f841-a3de-4329-9564-953b81cf9e16), que acepta dos entradas clave: un Caption que describe estilo, estado de ánimo, tempo, instrumentación y arreglo, y unas Lyrics opcionales formateadas con etiquetas de sección como [intro], [verse], [chorus], [bridge] y [outro]. El nodo renderiza una pista completa—hasta cinco minutos—con estructura de canción estable y audio de alta fidelidad. Un bloque MarkdownNote en el grafo documenta el esquema del prompt para que puedas copiar, ajustar y versionar rápidamente tus captions y letras dentro de la UI.
Por dentro, puedes elegir entre dos pesos del modelo: minimax_music3_dit_fp16.safetensors (recomendado si la VRAM lo permite) y minimax_music3_dit_int8_convrot.safetensors (optimizado para menos VRAM). El nodo generador produce un tensor de audio que se escribe a disco mediante SaveAudioAdvanced, donde controlas nombre de archivo, formato y frecuencia de muestreo. El resultado es una canción terminada y arreglada, adecuada para prototipos, música de fondo y producción de contenido sin salir de ComfyUI.
Preguntas y respuestas
Usa minimax_music3_dit_fp16.safetensors si tienes suficiente VRAM de GPU para mejor fidelidad y estabilidad. Elige minimax_music3_dit_int8_convrot.safetensors cuando la VRAM sea limitada; es más eficiente en memoria con un posible ligero sacrificio de calidad.
Haz el Caption explícito: género, estado de ánimo, tempo/BPM, instrumentos clave, estilo de producción y arreglo (p. ej., intro–verse–chorus–bridge–outro). Para Lyrics, incluye etiquetas de sección claras como [intro], [verse], [chorus], [bridge], [outro]. Mantén las líneas concisas y alinea la longitud de las secciones con la duración solicitada.
Si proporcionas Lyrics con etiquetas de sección, el modelo intentará renderizar partes tipo vocal siguiendo tu texto y estructura. Si dejas Lyrics vacío y solo das un Caption, generará música instrumental.
El flujo admite hasta ~5 minutos (300 segundos). Configura el parámetro de duración en el nodo generador MiniMax Music 3 y ajusta tu arreglo (en Caption/Lyrics) para que quepa en esa duración.