Qué hace el modelo
MiniMax ha publicado MiniMax-Music3, un modelo de texto a música, con pesos abiertos. Recibe dos entradas distintas: una letra con etiquetas de sección y una descripción musical detallada.
La salida es una canción completa de hasta cinco minutos en una sola generación, en WAV estéreo de 32 kHz y 16 bits. Esa diferencia importa: muchos modelos musicales producen unos segundos cada vez y luego cosen las piezas, mientras que este devuelve la canción entera de una vez, así que las transiciones entre secciones no se leen como costuras.
La arquitectura
La estructura tiene dos capas. La primera es una capa de modelo de lenguaje llamada Hybrid-LM, que combina un modelo global de 8.000 millones de parámetros con uno local de 600 millones. La segunda es una pila de síntesis continua construida sobre emparejamiento de flujo y un Flow-VAE.
Esa separación significa que la estructura de la canción y la textura del sonido se tratan en capas distintas: el modelo de lenguaje decide qué viene y cuándo, y la capa de síntesis produce la forma de onda.
Disponibilidad
Lo que muestra que no es una vista previa de investigación es lo que se publicó el primer día:
- pesos utilizables,
- código de inferencia,
- tres vías de despliegue documentadas.
El modelo puede por tanto instalarse y ejecutarse hoy. Creadores individuales, estudios independientes y equipos medianos pueden construir directamente sobre él. Entre los ámbitos previstos figuran el desarrollo de videojuegos, las agencias de publicidad, el vídeo corto y las herramientas para creadores, la formación en línea y el pódcast.
Los detalles de la licencia importan
La Licencia Comunitaria de MiniMax-Music3 permite el uso comercial, pero con tres condiciones.
Primera: el nombre MiniMax-Music3 debe mostrarse de forma visible en la interfaz del producto. Segunda: toda organización cuyos ingresos anuales agregados por esos productos superen los 20 millones de dólares debe obtener autorización previa por escrito de MiniMax. Tercera: quien aloje generación para terceros debe implantar y mantener salvaguardas contra salidas que infrinjan derechos.
Juntas concretan la diferencia entre pesos abiertos y código abierto. Los pesos pueden descargarse y ejecutarse, pero el uso no es incondicional: superado un umbral de ingresos la licencia se renegocia, y la responsabilidad se traslada en parte al usuario.
Por qué importa
La generación musical es más frágil que el texto o la imagen en materia de derechos de autor. Que una melodía se parezca a una obra existente puede tener consecuencias legales, y ese riesgo recae en quien ejecuta el modelo. El requisito de salvaguardas de la licencia apunta justo ahí: MiniMax no se queda el riesgo.
El significado real de los pesos abiertos aquí es el control. En un servicio musical cerrado no se ve qué se produce ni cómo se filtra; ejecutarlo en el propio servidor implica decidir tanto la salida como el filtro. Que una canción entera de cinco minutos salga en una sola generación es el umbral técnico que hace ese control utilizable en la práctica.