MiniMax Music 3 环境搭建教程：SGLang-Omni 部署与 API 调用从零开始

MiniMax Music 3 环境搭建教程SGLang-Omni 部署与 API 调用从零开始【免费下载链接】MiniMax-Music3项目地址: https://ai.gitcode.com/MiniMax-AI/MiniMax-Music3MiniMax Music 3 是 MiniMax 开源的AI 音乐生成模型只需一段歌词 一段音乐风格描述就能生成最长5 分钟、结构完整的歌曲。本文是面向新手的MiniMax Music 3 环境搭建教程带你从零完成 SGLang-Omni 部署并跑通第一次 API 调用生成属于你的第一首 AI 歌曲。 温馨提示全程只需复制粘贴命令跟着步骤走即可无需深度理解底层原理。一、MiniMax Music 3 是什么一句话总结一个开箱即用的文本生成音乐模型输出32kHz / 16bit 立体声 WAV。它的核心亮点特性说明 歌曲长度原生支持最长 5 分钟完整歌曲 输入方式歌词Lyrics 音乐描述Music Description双输入 混合架构8B 全局 LLM长程结构 0.6B 局部 LLM帧级声学细节️ 合成系统Flow Matching Flow-VAE 连续隐状态合成 输出格式32kHz、16bit 立体声 WAV歌词里可以写[Intro]、[Verse]、[Chorus]、[Bridge]、[Outro]等段落标签模型会按真实歌曲的前奏—主歌—副歌—桥段—尾奏结构来编曲而不是简单拼接。模型文件结构速览克隆项目后你会看到这些关键目录它们对应模型的不同模块condition_encoder/— 条件编码器歌词 音乐描述language_model/— 混合 LLM8B 0.6Btransformer/、scheduler/— Flow Matching 扩散模块rvq_depth_decoder/、vocoder/— 音频解码与声码器tokenizer/— Qwen2 分词器scripts/end_to_end/minimax_ttm_test.py— 官方端到端测试脚本assets/minimax_ttm.wav— 官方参考音频二、环境准备硬件与软件清单开始SGLang-Omni 部署前先对照下面的清单检查环境项目最低要求推荐配置 GPU24GB 显存CUDA40GB 显存 Python3.103.10 / 3.11 CUDA11.812.x 磁盘60GB100GB SSD⚠️ 重要限制MiniMax Music 3 推理必须使用 CUDA纯 CPU 无法运行目前仅支持非流式生成。建议用 conda 创建干净的虚拟环境conda create -n minimax python3.11 -y conda activate minimax三、SGLang-Omni 安装步骤两种最快方法SGLang-Omni 是官方推荐的推理框架MiniMax Music 3 环境搭建的核心就是装好它。方法一pip 一键安装推荐新手pip install --upgrade pip pip install sglang-omni[all]方法二源码安装需要最新特性时git clone https://github.com/sgl-project/sglang-omni cd sglang-omni pip install -e python[all]安装完成后验证一下sgl-omni --help能正常打印帮助信息说明SGLang-Omni 部署环境已就绪 ✅四、下载 MiniMax Music 3 模型克隆项目仓库并下载模型权重总大小约 60GB请耐心等待git clone https://gitcode.com/MiniMax-AI/MiniMax-Music3 cd MiniMax-Music3 hf download MiniMaxAI/MiniMax-Music3 --local-dir /path/to/minimax_ttm 把/path/to/minimax_ttm换成你的实际存放路径后面启动服务时要用到。五、启动 SGLang-Omni 推理服务模型下载完成后一行命令即可拉起服务sgl-omni serve --model-path /path/to/minimax_ttm --port 8000看到日志中出现Uvicorn running on http://0.0.0.0:8000之类的输出就说明服务启动成功监听在 8000 端口。 如果显存紧张可在命令后追加--max-running-requests 1降低并发保证单次生成稳定。六、API 调用生成你的第一首 AI 歌曲MiniMax Music 3 复用了语音合成SpeechAPI的格式关键字段只有三个参数作用input歌词可带[Verse]、[Chorus]等结构标签instructions音乐风格描述曲风、BPM、人声、配器等response_format输出格式填wav用 curl 直接发起第一次API 调用curl http://127.0.0.1:8000/v1/audio/speech \ -H Content-Type: application/json \ -d { model: MiniMaxAI/MiniMax-Music3, input: [Verse]\nMorning light filtering through the pine\n[Chorus]\nSoftly the world begins to breathe, instructions: A warm acoustic pop song with intimate female vocals, fingerpicked guitar, soft piano, and a gradual emotional build into a wide final chorus., response_format: wav, seed: 7, max_new_tokens: 750, stream: false } \ --output minimax_music3.wav运行成功后当前目录会生成minimax_music3.wav用播放器打开就能听到你的第一首 AI 生成歌曲了参数详解让生成更可控max_new_tokens最大音频帧数按25 帧/秒换算。750 ≈ 30 秒9000 是上限约 6 分钟。seed随机种子固定后可以复现同一首歌。stream目前仅支持false非流式。 想要更精细的风格控制建议在instructions里写结构化描述全局元数据曲风、BPM、调式、情绪走向 人声细节音色、唱法 配器安排主奏、伴奏、律动。七、用官方 Python 脚本跑端到端测试仓库自带完整的端到端测试脚本 scripts/end_to_end/minimax_ttm_test.py内含一首完整蓝调摇滚歌曲的歌词和音乐描述省去自己写 Prompt 的麻烦python scripts/end_to_end/minimax_ttm_test.py \ --server-url http://127.0.0.1:8000 \ --out my_song.wav \ --seed 0 \ --max-frames 9000脚本常用参数参数默认值说明--server-urlhttp://127.0.0.1:8000服务地址--outminimax_ttm.wav输出文件名--seed0随机种子--max-frames9000最大音频帧数--timeout1200请求超时秒生成成功后控制台会打印WAV written to: ...去对应路径就能找到成品。八、新手常见问题排查FAQQ1启动服务时显存不足怎么办模型全精度需要约 24GB 显存。显存低于 24GB 时可改用 diffusers 的 ModularPipeline 并开启 CPU offloading详见 README 中的 Low VRAM 部分最低可适配 8GB 显卡但生成速度会明显变慢。Q2生成结果和描述不完全一致段落标签和音乐描述是生成式控制而非符号级保证生成的调性、配器、歌词细节可能与描述有出入这是正常现象多调整seed和描述措辞即可。Q3max_new_tokens没到上限就停止了正常模型检测到音频结束标记时会提前结束生成这是预期行为。Q4歌词中段落标签怎么写每个标签单独占一行支持[Intro]、[Verse]、[Pre-Chorus]、[Chorus]、[Bridge]、[Instrumental]、[Outro]等。九、总结从零到第一首歌只需 4 步回顾整个MiniMax Music 3 环境搭建教程核心流程就四步✅ 安装 SGLang-Omnipip install sglang-omni[all]✅ 下载模型hf download MiniMaxAI/MiniMax-Music3✅ 启动服务sgl-omni serve --model-path 模型路径 --port 8000✅ 调用 APIPOST/v1/audio/speech传入歌词 风格描述输出 WAV至此你已经完成了SGLang-Omni 部署并跑通了完整的API 调用流程。接下来可以尽情发挥创意写一段歌词、描述你想要的曲风让 MiniMax Music 3 帮你把脑海中的旋律变成真实的歌曲。祝你创作愉快【免费下载链接】MiniMax-Music3项目地址: https://ai.gitcode.com/MiniMax-AI/MiniMax-Music3创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考