미니맥스가 가사와 음악 설명만 입력하면 최대 5분 길이의 스테레오 음원을 생성하는 오픈웨이트 텍스트-투-뮤직 모델 '뮤직3'를 17일 공개했다. 곡의 장기 구조를 담당하는 80억 매개변수 글로벌 LLM과 세부 음향을 담당하는 6억 매개변수 로컬 LLM을 결합한 '하이브리드-LLM' 구조를 사용하며, 최종 은닉 상태를 24억 매개변수 플로 매칭 모듈과 Flow-VAE로 이어 음원을 합성한다. 모델 가중치와 추론 코드는 물론 SGLang-Omni 서버, 디퓨저스, 컴파이UI 등 세 가지 배포 경로까지 함께 공개해 개발자가 자체 서버에서 즉시 서비스에 적용할 수 있게 했다. 커뮤니티 라이선스는 상업적 사용을 허용하지만 연매출 2000만달러를 넘으면 별도 승인이 필요하다.

• •80억 매개변수 글로벌 LLM과 0.6억 매개변수 로컬 LLM을 결합한 하이브리드-LLM 구조
• •32kHz·16비트 스테레오, 최대 5분 길이의 완성곡을 한 번에 생성
• •SGLang-Omni, 허깅페이스 디퓨저스, 컴파이UI 등 세 가지 자체 배포 경로 제공
• •상업적 사용 가능하나 연매출 2000만달러 초과 시 미니맥스의 서면 승인 필요