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-Music3

MiniMax 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：

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 LLM（8B + 0.6B）
• transformer/、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：

⚠️ 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 python=3.11 -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（Speech）API的格式，关键字段只有三个：

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：

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（FAQ）

Q1：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。

Q3：max_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：

1. ✅ 安装 SGLang-Omni：pip install "sglang-omni[all]"
2. ✅ 下载模型：hf download MiniMaxAI/MiniMax-Music3
3. ✅ 启动服务：sgl-omni serve --model-path <模型路径> --port 8000
4. ✅ 调用 API：POST/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