MiniMax Music 3.0 zamienia prompt ze stylem i Twój tekst w gotową piosenkę stereo MP3 z wokalem i podkładem. Zostaw tekst pusty, by został napisany, albo wybierz tryb instrumentalny; w testach piosenki trwały ok. 1–4 minut.
{
"model": "minimax/music-3.0/text-to-audio",
"input": {
"generate_lyrics": true,
"instrumental": false,
"bitrate": 128000,
"sample_rate": 44100,
"lyrics": "[Verse]\nHeadlights painting gold along the shore\nYour hand keeps drifting closer than before\nThe radio is playing something slow\nI don't want to know which way is home\n\n[Pre Chorus]\nEvery red light is a reason to stay\n\n[Chorus]\nSo drive, drive, keep the city in the mirror\nStay, stay, let the night pull us nearer\nWe've got nowhere to be and all of the time\nMidnight looks so good in your eyes\n\n[Outro]\nMidnight looks so good in your eyes",
"prompt": "Dreamy synth-pop, 100 bpm, airy female lead vocal, shimmering pads, pulsing bassline, gated drums, late-night city drive mood"
}
}
Wprowadzenie
MiniMax Music 3.0 w SpicyAPI to zadanie text-to-music, które zwraca jeden kompletny utwór na żądanie: wokal prowadzący, aranżację podkładu i końcowy miks w jednym stereofonicznym pliku MP3. W prompt wysyłasz opis stylu, a w lyrics — jeśli je masz — słowa do zaśpiewania; melodią, aranżacją i wykonaniem zajmuje się model. W naszych testach utwory miały od 1:09 do 3:58, a każdy kosztuje tyle samo.
Najważniejsze funkcje
Cały utwór, nie pętla
Wynikiem jest uporządkowana piosenka z intro, zwrotkami, wracającym refrenem i zakończeniem, a nie krótki powtarzający się fragment. Długość ustala sam model, głównie na podstawie ilości tekstu, które mu dasz, a wokal i podkład miksuje w jeden gotowy do odtwarzania plik stereo.
Trzy sposoby na słowa
Możesz zaśpiewać własny tekst, kazać modelowi go napisać albo pominąć wokalistę. Tekst, który podasz, jest wykonywany tak, jak zapisano, a znaczniki sekcji, takie jak [Verse] i [Chorus], kierują aranżacją. Gdy lyrics jest puste, generate_lyrics (domyślnie włączone) pisze cały tekst na podstawie promptu. Przy włączonym instrumental ścieżka nie zawiera wokalu.
Stała cena, regulowana jakość pliku
Długość, bitrate i sample_rate nie zmieniają ceny utworu. Wybierz 256 kbps przy 44,1 kHz na wersję finalną albo niższy bitrate na małe pliki do odsłuchu.
Parametry żądania
Parametry żądania: MiniMax Music 3.0 · Text to Music
Parametr
Wymagane
Uwaga
prompt
Tak
Opis stylu, do 2,000 znaków: gatunek, nastrój, tempo, instrumenty, rodzaj głosu, otoczenie. od 1 znaków · do 2000 znaków
lyrics
Nie
Słowa do zaśpiewania, do 3,000 znaków. Umieszczaj każdą linijkę w osobnym wierszu, a pusty wiersz zostaw dla pauzy. od 1 znaków · do 3000 znaków
generate_lyrics
Nie
Domyślnie włączone: gdy lyrics jest puste, model pisze tekst na podstawie Twojego promptu. Tekst, który podasz, pozostaje nietknięte. Domyślnie: true
instrumental
Nie
Włącz, aby dostać muzykę bez wokalu; tekst nie jest potrzebny. Domyślnie wyłączone. Domyślnie: false
bitrate
Nie
Bitrate MP3 w bitach na sekundę: 32000, 64000, 128000 lub 256000 (domyślnie). Niższe wartości dają mniejsze pliki. 32000 · 64000 · 128000 · 256000 · Domyślnie: 256000
sample_rate
Nie
Częstotliwość próbkowania w Hz: 16000, 24000, 32000 lub 44100 (domyślnie). Nie wpływa na cenę. 16000 · 24000 · 32000 · 44100 · Domyślnie: 44100
Cennik
$0.18 / utwór
Jedna stała cena za utwór, niezależnie od długości i jakości dźwięku.
Zastosowania
Piosenki zbudowane wokół Twojego tekstu
Najpierw napisz tekst, oznacz sekcje i opisz gatunek oraz głos, który masz w głowie. To dobre rozwiązanie dla spersonalizowanych piosenek, motywów postaci do opowieści i gier, utworów parodystycznych oraz szybkich dem tekstu, który chcesz usłyszeć w śpiewie, zanim pójdziesz dalej.
Muzyka do wideo i streamów
Włącz instrumental, aby dostać podkłady, muzykę lounge i czołówki, albo zostaw wokal dla piosenki tytułowej. Utwór trwający od jednej do czterech minut wystarcza do większości krótkich filmów w jednym żądaniu, a stała cena sprawia, że można tanio wygenerować kilka podejść i zachować najlepsze.
Używaj prompt tylko do brzmienia: gatunek, tempo w bpm, dwa lub trzy instrumenty, rodzaj głosu i nastrój, na przykład „dreamy synth-pop, 100 bpm, airy female lead vocal, shimmering pads, late-night city mood”. Wszystko, co ma być śpiewane, wpisz w lyrics. Słowa opisujące styl, które zostaną w tekście, zwykle zostają zaśpiewane.
Kształtuj utwór znacznikami sekcji
Pisz po jednej linijce tekstu w wierszu i umieszczaj znaczniki, takie jak [Intro], [Verse], [Pre Chorus], [Chorus], [Bridge] i [Outro], w osobnych wierszach. Powtórz tekst refrenu tam, gdzie ma wrócić. Zwrotka i refren dają utwór trwający około półtorej minuty; dodaj zwrotki i bridge, aby był dłuższy.
Wiedz, co zatrzymuje filtr
MiniMax sprawdza prompty i teksty. Mocne słownictwo jest śpiewane tak, jak napisano, ale teksty wykraczające dalej są odrzucane i nie są naliczane; pisz te wersy łagodnie.
Szybki start z API
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${SPICY_IDEMPOTENCY_KEY:-$(uuidgen)}"
curl -X POST https://api.spicyapi.ai/api/v1/jobs/createTask \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "minimax/music-3.0/text-to-audio",
"input": {
"prompt": "Calm ambient pads with a slow rising motif",
"bitrate": 256000,
"sample_rate": 44100
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Uwierzytelnianie, pełny schemat, odpytywanie i obsługę błędów opisuje dokumentacja API.
Powiązane modele i kolejne zadania
Brakuje modelu, którego potrzebujesz?
Napisz, co dodać i do czego chcesz tego użyć. Zgłoszenia trafiają do osób, które decydują o kolejności wdrożeń.
Wyślij opis stylu i tekst, a dostaniesz gotową piosenkę z wokalem
MiniMax Music 3.0 to model do tworzenia piosenek od MiniMax, wydany 2026-07-16, z opublikowanymi również otwartymi wagami. Jedno zapytanie zwraca jedną kompletną piosenkę w stereo MP3: z głównym wokalem, aranżacją i gotowym miksem. Styl opisujesz w polu prompt, a jeśli masz słowa, wysyłasz je w polu lyrics. O długości utworu decyduje model, dlatego nie ma pola z czasem trwania; w naszych testach piosenki trwały od 1:09 do 3:58. Czyste teksty są śpiewane dokładnie tak, jak je napisano, a mocne słownictwo przechodzi bez problemu, ale własny filtr MiniMax odrzuca wszystko, co wykracza poza to. Rozliczenie to jedna stała cena za piosenkę, widoczna na żywo na tej stronie.
Jedna stała cena za piosenkę; odrzucone zapytania nie są pobierane
Zakres
Cała piosenka z jednego zapytaniaNie musisz składać ścieżek ani sklejać fragmentów. Odpowiedź to jeden plik MP3 z głównym wokalem, zespołem w tle i końcowym miksem, więc kartka z tekstem od razu zamienia się w coś, co możesz puścić klientowi albo wrzucić na oś czasu. Długość wybiera model, co pasuje do piosenek budowanych wokół słów, a nie stopera. Zwrotka z refrenem wyszła w okolicach półtorej minuty, a pełna piosenka z automatycznie napisanym tekstem trwała blisko cztery minuty.
Prompt
Styl w polu prompt, śpiewane słowa w polu lyricsPole prompt przyjmuje opis stylu o długości od 1 do 2000 znaków, a pole lyrics do 3000 znaków, po jednej linijce w wierszu i z pustym wierszem jako pauzą. Znaczniki sekcji w osobnych wierszach, takie jak Verse, Chorus, Bridge i Outro w nawiasach kwadratowych, kształtują aranżację. Gatunek, tempo i nastrój zostaw poza tekstem, bo wszystko, co trafi do lyrics, zostanie zaśpiewane razem z resztą.
Testy
Co pokazały nasze próby z 2026-10-05Każda czysta linijka tekstu została zaśpiewana tak, jak ją napisano. Prompt na duet bez tekstu zwrócił piosenkę 3:58 z dwoma głosami wymieniającymi się linijkami. Włączenie instrumental dało dwuminutowy utwór w stylu jazzowego lounge, bez wokalu. Punkowy refren pełen przekleństw został zaśpiewany słowo w słowo. Teksty z naszego testu treści zostały odrzucone po około 90 sekundach i nie zostały pobrane, a te najmocniejsze w ogóle się nie zakończyły i skończyły się przekroczeniem czasu.
Mocne strony API MiniMax Music 3.0
Tekst śpiewany tak, jak go napisano
Wyślij lyrics, a model zaśpiewa dokładnie te słowa, zamiast je parafrazować. W naszym teście każda czysta linijka wróciła w niezmienionej formie. Dzięki temu łatwo sprawdzić, czy tekst się układa, czy refren uderza i w którym miejscu linijce brakuje sylaby, zanim ktokolwiek zarezerwuje studio lub wokalistę.
Tekst napisany za Ciebie
generate_lyrics jest domyślnie włączone. Jeśli lyrics jest puste, model pisze słowa na podstawie promptu, a potem je śpiewa. To najwolniejsza ścieżka, bo automatycznie pisane teksty trwają najdłużej, ale zamienia jednozdaniowy pomysł w pełną piosenkę. Wysłany przez Ciebie tekst nigdy nie jest podmieniany, jest śpiewany bez zmian.
Duety i naprzemienne głosy
Opisz w prompcie dwoje wokalistów, a model podzieli piosenkę między nich. Nasz prompt na duet, wysłany w ogóle bez tekstu, zwrócił piosenkę 3:58 z dwoma głosami wymieniającymi się linijkami. Wskaż w prompcie, kto co śpiewa, na przykład figlarną parę, kobietę i mężczyznę, by pokierować wymianą.
Tryb instrumentalny
Włącz instrumental i dostaniesz utwór bez wokalu, bez potrzeby podawania tekstu. Nasz prompt na dymny jazzowy lounge zwrócił dwuminutowy utwór z miotełkami na perkusji, basem, tłumioną trąbką i pianinem elektrycznym w aranżacji, bez śpiewu. To czysta droga do pętli w menu, podkładów do vlogów i muzyki w tle.
Kontrola aranżacji znacznikami sekcji
Wstaw znacznik w osobnym wierszu, a aranżacja za nim podąży. Obsługiwany zestaw to Intro, Verse, Pre Chorus, Chorus, Post Chorus, Hook, Bridge, Interlude, Transition, Break, Build Up, Inst, Solo i Outro, każdy w nawiasach kwadratowych. Wiersze Inst lub Solo zostawiają przestrzeń dla zespołu.
Jakość dźwięku do ustawienia
bitrate przyjmuje 32, 64, 128 lub 256 kbps, domyślnie 256, a sample_rate przyjmuje 16, 24, 32 lub 44,1 kHz, domyślnie 44,1. Obniż je do szybkich szkiców lub małych plików, a przy gotowej pracy zostaw wartości domyślne. Cena za piosenkę jest taka sama niezależnie od wyboru.
Dla kogo jest MiniMax Music 3.0
Autorzy piosenek i tekściarze
Usłysz tekst, zanim zarezerwujesz sesję
Wklej zwrotkę i refren ze znacznikami sekcji, dodaj opis stylu i po kilku minutach posłuchaj zaśpiewanej wersji. Skoro tekst jest śpiewany bez zmian, szybko zobaczysz, gdzie linijka jest zbyt ścisła, gdzie ląduje hook i czy nastrój pasuje do pomysłu, a poprawki naniesiesz, zanim wydasz pieniądze na studio.
Twórcy wideo
Piosenka przewodnia lub ścieżka do vloga w jednym zapytaniu
Opisz klimat kanału lub materiału, dodaj dwie linijki tekstu albo pozwól modelowi je napisać, a dostaniesz pełną piosenkę z głównym wokalem. Do podkładów bez słów pod mówiony głos włącz instrumental. W obu przypadkach dostajesz jeden plik MP3 gotowy do wstawienia na oś czasu.
Twórcy gier i aplikacji
Piosenki w tle i pętle do menu
Włącz instrumental i wpisz nastrój w prompt: tempo, instrumenty, otoczenie. Dostaniesz gotowy utwór bez wokalu, który nie konkuruje z dialogami ani dźwiękami interfejsu. Uruchom kilka opisów dla różnych ekranów lub poziomów i porównaj je, bo każde zapytanie zwraca kompletny utwór.
Piosenki na prezent i osobiste
Piosenka urodzinowa lub rocznicowa z kilku zdań historii
Opisz historię w prompcie, na przykład imiona, wspólne wspomnienie i pożądany nastrój, zostaw lyrics puste i zachowaj włączone generate_lyrics. Model napisze słowa i je zaśpiewa, zwykle dochodząc do około czterech minut. Trzymaj się tematów ciepłych i czystych, bo MiniMax odrzuca wszystko, co wykracza poza mocne słownictwo.
Jak wywołać API MiniMax Music 3.0
01
Utwórz klucz API
Zaloguj się w SpicyAPI, utwórz klucz i przechowuj go na swoim serwerze. Każde zapytanie przekazuje go jako token bearer, a te same dane możesz najpierw przetestować w playgroundzie, żeby usłyszeć, co model zrobi z Twoim opisem.
02
Napisz opis stylu
Wpisz w prompt gatunek, tempo, nastrój, typ wokalu i instrumenty, do 2000 znaków. Bądź konkretny, na przykład: rozmarzony synth-pop w tempie 100 bpm z lekkim kobiecym wokalem. Historię i śpiewane słowa zostaw dla pola lyrics.
03
Dodaj tekst albo pozwól modelowi go napisać
Wyślij lyrics do 3000 znaków, po jednej linijce w wierszu, z pustym wierszem jako pauzą i znacznikami sekcji w osobnych wierszach. Albo zostaw lyrics puste i zachowaj włączone generate_lyrics. Dla utworu bez wokalu ustaw instrumental na true.
04
Ustaw jakość i wyślij
Opcjonalnie wybierz bitrate i sample_rate, w przeciwnym razie obowiązują wartości domyślne 256 kbps i 44,1 kHz. Wyślij zadanie. Nie ma tu pola duration_seconds, ponieważ długość wybiera sam model.
05
Poczekaj i pobierz MP3
Generowanie trwa około 1,5 do 4 minut, a automatycznie pisane teksty najdłużej. Po zakończeniu zadania dostajesz link do stereo MP3. Pobierz plik, bo wygenerowany dźwięk jest przechowywany przez 14 dni. Nieudane lub odrzucone zapytania nie są pobierane.
Przykłady użycia MiniMax Music 3.0
Rozmarzony synth-pop z krótkiego tekstu
Opis stylu w polu prompt oraz zwrotka i refren w lyrics, każde z własnym znacznikiem sekcji. Spodziewaj się lekkiego wokalu śpiewającego linijki bez zmian na tle padów i pulsującego basu oraz piosenki trwającej mniej więcej półtorej minuty.
{"prompt": "Dreamy synth-pop, 100 bpm, airy female lead vocal, shimmering pads, pulsing bassline, late-night city drive mood", "lyrics": "[Verse]\nHeadlights painting gold along the shore\nYour hand keeps drifting closer than before\n\n[Chorus]\nSo drive, drive, keep the city in the mirror\nMidnight looks so good in your eyes"}
Duet napisany wyłącznie z promptu
Nie wysyłasz tekstu, więc słowa pisze generate_lyrics. Historię i dwa głosy opisujesz w prompcie. Podobny opis duetu w naszych testach zwrócił piosenkę 3:58 z dwoma głosami wymieniającymi się linijkami.
{"prompt": "Upbeat Latin pop duet about a summer fling that starts on a crowded beach and ends at sunrise, playful male and female vocals trading lines, nylon guitar, 96 bpm"}
Jazzowy utwór instrumentalny w stylu lounge
Tryb instrumental jest włączony, więc nie potrzeba tekstu i nie pojawia się wokal. Nasza próba zwróciła dwuminutowy utwór, dobry wzór na muzykę w tle i pętle do menu.
{"prompt": "Smoky late-night jazz lounge instrumental, brushed drums, upright bass, muted trumpet and Rhodes piano, slow 72 bpm", "instrumental": true}
Pytania o API MiniMax Music 3.0
To API do modelu piosenek MiniMax, wydanego 2026-07-16. Wysyłasz opis stylu w polu prompt, opcjonalnie lyrics, a jedno zapytanie zwraca jedną kompletną piosenkę w stereo MP3 z głównym wokalem, aranżacją i końcowym miksem. Długość wybiera model. SpicyAPI udostępnia go w tym samym przepływie zadań co pozostałe modele multimedialne.
Rozliczenie to jedna stała cena za piosenkę, niezależnie od długości, bitrate i częstotliwości próbkowania, więc zmiana tych ustawień nie zmienia kosztu. Aktualna cena jest widoczna na tej stronie, zanim cokolwiek uruchomisz. Nieudane lub odrzucone zapytania nie są pobierane, w tym teksty, których MiniMax odmawia zaśpiewać.
Nie. To model z filtrowaniem treści. Mocne słownictwo jest śpiewane, a nasz punkowy refren pełen przekleństw wrócił słowo w słowo, ale teksty z naszego testu treści zostały odrzucone po około 90 sekundach i nie zostały pobrane, a te najmocniejsze w ogóle się nie zakończyły i skończyły się przekroczeniem czasu.
Decyduje o tym model i nie ma pola z czasem trwania. Nasze piosenki trwały od 1:09 do 3:58: zwrotka z refrenem wyszła w okolicach półtorej minuty, a pełna piosenka z automatycznie napisanym tekstem trwała około czterech minut. Do instrumentalnego podkładu o ustalonej długości pod wideo użyj Seed Audio 1.0, który przyjmuje długość w prompcie.
Tak. Wyślij do 3000 znaków w polu lyrics, po jednej linijce w wierszu, z pustym wierszem jako pauzą i znacznikami sekcji, takimi jak Verse lub Chorus, w osobnych wierszach. Wysłany tekst jest śpiewany bez zmian. Jeśli zostawisz lyrics puste, generate_lyrics, domyślnie włączone, napisze go na podstawie promptu.
Tak. Ustaw instrumental na true i dostaniesz utwór bez wokalu, bez potrzeby podawania tekstu. Nasz prompt na jazzowy lounge zwrócił dwuminutowy utwór instrumentalny. Opisz w prompcie tempo, instrumenty i nastrój, a użyj go do piosenek w tle, pętli w menu i podkładów do wideo.
Gdy chcesz, żeby model napisał i zaśpiewał całą piosenkę z czystego tekstu bez ustalania długości. Do instrumentalnego podkładu pod wideo użyj zamiast niego Seed Audio 1.0 albo "Score this cut" w edytorze wideo Studio.
Stworzył go MiniMax i wydał 2026-07-16, a opublikowano również otwarte wagi. SpicyAPI oferuje go przez jedno API i jedno konto obok innych modeli muzycznych. Wygenerowany dźwięk jest przechowywany przez 14 dni, więc pobierz swoje piosenki przed tym terminem.
Potraktuj oba pola tekstowe jak dwa osobne zadania. Wszystko, co dotyczy brzmienia, wpisz w prompt: gatunek, tempo w bpm, nastrój, typ głosu i kilka instrumentów, na przykład rozmarzony synth-pop w tempie 100 bpm z lekkim kobiecym wokalem i mieniącymi się padami. W polu lyrics umieść wyłącznie słowa, które mają być zaśpiewane, po jednej linijce w wierszu, z pustym wierszem tam, gdzie chcesz pauzę. Słowa opisujące styl, pozostawione w lyrics, zostaną zaśpiewane, więc trzymaj je poza tym polem. Strukturę oznacz znacznikami sekcji w osobnych wierszach, takimi jak Verse, Pre Chorus, Chorus, Bridge i Outro w nawiasach kwadratowych, a wiersze Inst lub Solo dodaj, gdy zespół ma przejąć prowadzenie. Krótkie, śpiewne linijki sprawdzają się lepiej niż długie zdania. Trzymaj tekst czysty, bo MiniMax odrzuca wszystko, co wykracza poza zwykłe mocne słownictwo, które jest śpiewane. Zacznij od zwrotki i refrenu, żeby usłyszeć głos i miks, a potem rozbuduj utwór. Jeśli masz tylko pomysł, zostaw lyrics puste i pozwól generate_lyrics napisać piosenkę, godząc się na dłuższe oczekiwanie.
Wszystkie modele MiniMax11
Modele audio3
MiniMax Music 3.0BieżącyTekst na dźwięk$0.18za żądanie