MiniMax Music 3 已支持 ComfyUI：如何用歌词与曲风描述生成最长 5 分钟的完整歌曲？

开源音乐生成模型 MiniMax Music 3现已支持在 ComfyUI 中使用。创作者只需输入歌词和曲风描述，即可生成最长约 5 分钟、结构相对完整且连贯流畅的音乐作品。

这项能力面向的是完整歌曲生成，并非只生成简短的循环音乐片段。模型会以歌词和音乐描述为条件，使生成结果尽量在整首歌曲中维持统一的主题、节奏、人声特质与编曲脉络，并可输出 32kHz、16 比特立体声 WAV 音频。

MiniMax Music 3 的核心能力是什么？

一次生成更完整的歌曲结构

MiniMax Music 3可生成最长 5 分钟的音乐内容，并尝试在一次生成中组织出前奏、主歌、副歌、桥段、尾奏等歌曲段落。对于希望制作一首有起承转合的作品，而不是单纯寻找一段背景循环音频的创作者来说，这一能力更贴近完整歌曲的创作流程。

在较长曲目中，模型会尽量保持旋律走向、节奏感与人声风格的连续性，避免歌曲进行到中途时突然偏离最初设定的氛围和方向。

歌词可用段落标签控制歌曲推进

在填写歌词时，可以加入歌曲结构标签，以便更清晰地规划不同部分的内容。可使用的标签包括：

[Intro]：前奏部分；
[Verse]：主歌部分；
[Chorus]：副歌部分；
[Pre-Chorus]：副歌前的过渡段；
[Solo]：独奏部分。

例如，一首歌可以先用 [Intro] 建立氛围，再用 [Verse] 讲述内容，接着通过 [Pre-Chorus] 推进情绪，最后在 [Chorus] 形成更鲜明的主题表达。这样的标签能够帮助创作者把歌词和歌曲结构对应起来。

提示词可分别控制曲风、人声与编曲

除普通的文本描述外，MiniMax Music 3还支持围绕多个音乐维度进行描述，包括曲风、节拍、人声特点与乐器编排。创作者可以通过音乐描述决定整首歌的整体发展方向。

比如，音乐描述可以围绕福音灵魂乐、摇滚纯器乐或低保真休闲嘻哈等方向展开。不同的描述会影响歌曲的整体氛围、人声表现和编曲倾向。

人声咬字更清楚，乐器表现更饱满

该模型强调更有表现力的人声生成能力，支持对音色、和声与效果进行调节。在较长的歌词段落中，人声咬字仍尽量保持清晰；同时，乐器的听感也更为饱满。

对于需要明确演唱内容的歌曲来说，歌词清晰度十分关键。无论是连续的主歌，还是重复出现的副歌，清楚的人声表达都能让歌曲主题更容易被听见和理解。

支持 32kHz、16 比特立体声 WAV 输出

MiniMax Music 3支持直接导出 32kHz、16-bit 立体声 WAV音频。完成生成后，用户可以获得立体声音频结果，用于试听和后续使用。

如何在 ComfyUI 中使用 MiniMax Music 3？

第一步：更新 ComfyUI 或进入 Comfy Cloud

使用本地 ComfyUI 时，需要先将 ComfyUI 更新至 0.33.0 或更高版本。完成更新后，即可在模板库中查找对应工作流。

也可以直接进入 Comfy Cloud 体验：
https://cloud.comfy.org/

第二步：在模板库搜索 Music 3

打开 ComfyUI 后，在模板库中搜索 Music 3。找到对应模板后，可按照工作流提供的节点和备注配置歌曲生成流程。

第三步：下载并放置模型文件

根据工作流中的备注下载所需模型，并将模型文件存放到指定的模型目录。模型权重可从以下平台获取：

魔搭：
https://modelscope.cn/models/Comfy-Org/MiniMax-Music-3

Hugging Face：
https://huggingface.co/Comfy-Org/MiniMax-Music-3

第四步：填写歌词与音乐描述

在工作流中填写歌词和音乐描述。歌词可按照歌曲段落插入 [Intro]、[Verse]、[Chorus]、[Pre-Chorus]、[Solo] 等标签；音乐描述则可明确歌曲希望呈现的曲风、节拍、人声特点与乐器编排。

填写内容时，歌词负责表达歌曲的演唱内容与段落安排，音乐描述负责定义整首歌的声音方向。两部分结合后，模型将据此生成完整音乐。

第五步：运行工作流并生成音频

确认歌词、音乐描述和模型配置无误后，运行工作流即可开始生成音频。生成完成后，可获得 16-bit 立体声 WAV 格式的音乐结果。

哪些音乐类型可以作为生成方向？

来源展示了多种输出方向，包括：

福音灵魂乐：突出灵魂乐气质与人声表现；
摇滚（纯器乐）：不以演唱为核心，突出摇滚风格的器乐表达；
低保真休闲嘻哈：强调轻松、休闲的低保真嘻哈氛围。

这些示例表明，MiniMax Music 3可以通过不同的歌词与音乐描述，面向人声歌曲和纯器乐内容进行创作。

我认为：完整歌曲生成的价值，在于让创作思路真正延续下去

我认为：音乐生成最难的地方，不只是写出一小段好听的旋律，而是让前奏、主歌、副歌与尾奏能够沿着同一条思路往下走。MiniMax Music 3把歌词、曲风描述、段落标签、人声和编曲放在同一套生成过程里，便让创作者能够更直接地处理一首歌的整体结构。创作的乐趣，往往不只在于听见一个片段，而在于看见原本写下的歌词，逐渐成为一首有开头、有推进、也有结束的音乐。

#ComfyCloud