MiniMax Music 3 是一個音樂生成模型，重點在於把「可唱、可編、可聽完整首歌」串成一體，直接產出最長五分鐘的完整歌曲。對內容創作團隊來講，它最有價值嘅位唔係單句旋律，而係可以連住 intro、verse、chorus 到 outro，維持人聲、節奏同編曲走向一致。
輸入通常分兩層：歌詞負責唱咩，同時可以加上 [Intro]、[Verse]、[Chorus] 呢類段落標記；另一層音樂描述就交代風格、情緒推進、人聲質感、樂器配置同空間感。官方亦建議用 Structured Caption，將 Global Metadata、Vocal Details、Arrangement 分開寫，方便模型對長段落做更穩定嘅控制。
它用 8B Global LLM 處理長距離結構，再配 0.6B Local LLM 補足逐幀聲學細節，並結合 Flow Matching 同 Flow-VAE 做連續 hidden-state 合成。這種分工換來較完整的長歌一致性，但亦意味住提示詞要寫得有層次，否則編排同人聲變化未必會完全跟足預期。
- 最適合做完整歌曲草稿、廣告歌、遊戲音樂同內容原型
- 由歌詞加音樂描述共同控制，細節比一般單一句 prompt 更可預期
- 支援 32 kHz、16-bit stereo WAV 輸出，方便接入後期流程
- 強項係長段落連貫與結構完整，唔係只生成短片段
- 目前較適合重視創作速度與可控性嘅團隊，而唔係追求即用即完美成品嘅場景