MiniMax-Music3 erzeugt Songs bis fünf Minuten

MiniMax hat mit MiniMax-Music3 ein neues Modell für Musikgenerierung vorgestellt. Wenn du mit KI kreativ arbeitest, betrifft dich das direkt: Es geht nicht nur um kurze Klangideen, sondern laut Quelle um komplette Songs von bis zu fünf Minuten.

Spannend ist daran vor allem der offene Zugang über sogenannte Open Weights. Das heisst: Die trainierten Modellgewichtungen werden offen bereitgestellt, sodass fortgeschrittene Anwenderinnen und Kreative praktischer prüfen können, was solche Systeme bereits leisten.

Was passiert ist

MiniMax hat MiniMax-Music3 veröffentlicht. Laut dem veröffentlichten Bericht zu MiniMax-Music3 handelt es sich um ein Open-Weights-Modell für Text-zu-Musik. Text-zu-Musik bedeutet: Du gibst Text ein, und das System erzeugt daraus Musik.

Der beschriebene Ablauf ist recht klar umrissen. Das Modell erhält Liedtexte mit Abschnittsmarkierungen sowie eine strukturierte Beschreibung. Abschnittsmarkierungen sind Hinweise darauf, zu welchem Teil eines Songs eine Textstelle gehört. Eine strukturierte Beschreibung ist eine geordnete Vorgabe, die dem Modell zusätzliche Informationen zur gewünschten Musik gibt.

Aus diesen Eingaben soll MiniMax-Music3 einen vollständigen Song erzeugen können. Die im Quellentext genannte Obergrenze liegt bei bis zu fünf Minuten. Das geschieht laut Quelle in einem einzigen Durchgang. Das ist relevant, weil viele Musik-KI-Werkzeuge eher mit kurzen Ausschnitten, Schleifen oder einzelnen Ideen arbeiten. Hier wird ausdrücklich ein kompletter Song beschrieben.

Das ausgegebene Audioformat wird ebenfalls genannt: 32 kHz, 16-bit Stereo WAV. WAV ist ein unkomprimiertes Audioformat, das im kreativen Alltag häufig als Arbeitsformat genutzt wird. 16-bit Stereo beschreibt unter anderem die Auflösung und die zweikanalige Wiedergabe. Die Quelle macht keine weiteren Angaben dazu, welche Stilrichtungen, Stimmen, Instrumente oder Sprachen besonders gut funktionieren.

Der Quellentext erwähnt ausserdem Architektur, drei Bereitstellungswege und Lizenzbedingungen, die vor einer Veröffentlichung wichtig seien. Die Details dazu sind im gelieferten Quellentext jedoch nicht enthalten. Deshalb lässt sich hier nur festhalten: Diese Punkte werden als wichtig genannt, aber nicht näher beschrieben.

Warum das relevant ist

Musikgenerierung mit KI ist kein neues Thema. Relevant an MiniMax-Music3 ist nach den vorliegenden Angaben vor allem die Kombination aus drei Dingen: offene Gewichtungen, komplette Songs und eine Eingabe, die aus Liedtext plus strukturierter Beschreibung besteht.

Offene Gewichtungen sind für fortgeschrittene Anwenderinnen interessant, weil sie mehr Einblick und praktische Tests ermöglichen als ein reines Werkzeug hinter einer geschlossenen Oberfläche. Das bedeutet nicht automatisch, dass alles frei nutzbar ist. Die Quelle weist ausdrücklich darauf hin, dass Lizenzbedingungen wichtig sind, bevor man etwas veröffentlicht. Da die konkreten Bedingungen im gelieferten Text fehlen, wäre jede Aussage zur kommerziellen Nutzung Spekulation.

Die Länge von bis zu fünf Minuten ist ebenfalls bemerkenswert. Ein fünfminütiger Song ist keine kurze Demo-Idee mehr. Damit rückt die Frage näher, ob KI nicht nur Skizzen, sondern ganze musikalische Formen erzeugen kann: Strophen, Refrains, Übergänge und ein Ende. Ob MiniMax-Music3 das musikalisch überzeugend schafft, ist mit dem Quellentext allein nicht beurteilbar. Es ist laut Anbieter möglich, aber hier nicht unabhängig geprüft.

Auch die Eingabeform ist wichtig. Das Modell arbeitet nicht einfach mit einem kurzen Wunsch wie «mach mir einen Popsong». Es nutzt Liedtexte mit Abschnittsmarkierungen und eine strukturierte Beschreibung. Das deutet darauf hin, dass gute Ergebnisse wahrscheinlich nicht nur von der Technik abhängen, sondern auch davon, wie sorgfältig die Vorgaben formuliert sind. Für Kreative ist das vertraut: Ein gutes Briefing macht selten alles, aber ein schlechtes Briefing macht vieles schwieriger.

Für den Bildungsbereich und für Weiterbildungen rund um KI ist MiniMax-Music3 ein gutes Beispiel dafür, wie sich KI-Werkzeuge weiterentwickeln. Es geht nicht mehr nur um Textantworten oder Bildentwürfe, sondern um Medienproduktion mit längeren zusammenhängenden Ergebnissen. Gleichzeitig zeigt der Fall auch, wo Vorsicht nötig bleibt: Ohne klare Angaben zur Lizenz, zur Qualität in verschiedenen Anwendungsfällen und zu unabhängigen Tests sollte man nicht vorschnell von einem produktionsreifen Werkzeug ausgehen.

Was das für dich heisst

Für Einsteigerinnen und Einsteiger

Wenn du neu in der KI-Musikgenerierung bist, ist MiniMax-Music3 vor allem ein Hinweis darauf, wohin sich solche Werkzeuge bewegen: weg von kurzen Spielereien, hin zu vollständigen Ergebnissen. Du musst dafür nicht sofort technische Details verstehen. Wichtig ist zuerst das Prinzip: Die KI braucht einen Liedtext, erkennbare Songteile und eine strukturierte Beschreibung. Stell dir das wie einen klaren Auftrag an eine Musikerin vor. «Mach etwas Schönes» ist vage. «Hier ist mein Text, das sind die Abschnitte, und so soll die Stimmung sein» ist brauchbarer. Ob MiniMax-Music3 in deinem konkreten Fall gut genug ist, musst du hören und vergleichen, denn der Quellentext liefert keine Hörbeispiele oder Qualitätsbewertung.

Für Fortgeschrittene

Wenn du bereits mit KI-Werkzeugen arbeitest, liegt der praktische Reiz bei MiniMax-Music3 im Testen kompletter Songabläufe. Weil laut Quelle Songs bis zu fünf Minuten in einem Durchgang erzeugt werden, kannst du prüfen, ob das Modell über längere Dauer kohärent bleibt. Kohärenz bedeutet hier: Der Song soll nicht nach einer Minute auseinanderfallen, sich widersprüchlich entwickeln oder wie mehrere zufällig aneinandergeklebte Ideen wirken. Besonders interessant ist auch, wie stark die Abschnittsmarkierungen und die strukturierte Beschreibung das Ergebnis beeinflussen. Für Veröffentlichungen gilt aber Zurückhaltung: Die Quelle nennt Lizenzbedingungen als wichtig, liefert im Ausschnitt jedoch keine Details. Also erst prüfen, dann publizieren.

Konkret ausprobieren

1. Bereite einen Liedtext mit klaren Abschnitten vor. Schreibe einen kurzen Songtext und markiere die Teile eindeutig. Nutze die Logik eines vollständigen Songs: Anfang, wiederkehrender Teil, weitere Strophe, Schluss. Wichtig ist nicht, dass der Text literarisch perfekt ist, sondern dass die Struktur erkennbar bleibt.
2. Formuliere eine strukturierte Beschreibung. Halte fest, welche Wirkung der Song haben soll. Bleibe dabei geordnet und konkret. Da der Quellentext keine genaue Vorlage nennt, solltest du keine Wunderformel erwarten. Ziel ist ein sauberer Vergleich: gleiche Textstruktur, veränderte Beschreibung, danach hören, was sich verändert.
3. Prüfe das Ergebnis nüchtern. Höre den Song nicht nur einmal nebenbei. Achte auf Länge, Zusammenhang, Übergänge und Klang. Notiere, ob der Song über mehrere Minuten stabil wirkt. Wenn du das Ergebnis veröffentlichen möchtest, kläre vorher die Lizenzbedingungen, denn der Quellentext sagt nur, dass sie wichtig sind, nennt aber keine Einzelheiten.

Quellen

• MiniMax Releases MiniMax-Music3: An Open-Weights Music Model Generating Complete Five-Minute Songs From Lyrics and a Structured Caption, MarkTechPost, 17. August 2026.

Bild: Alina Vilchenko via Pexels