Tu décris un style, une ambiance, tu colles deux ou trois paroles, et le modèle compose, arrange, enregistre et mixe le tout : MiniMax a sorti Music 3.0, un générateur de chansons par IA dont les poids sont ouverts. La promesse, un morceau complet de cinq minutes avec une vraie voix chantée, généré en une seule passe. Les fichiers sont téléchargeables depuis GitHub et Hugging Face depuis le 14 août, et le modèle tourne sur une carte graphique NVIDIA, même une carte d’entrée de gamme récente. Si tu cherches à créer une chanson par IA sans abonnement cloud ni compte à ouvrir, voilà de quoi t’occuper.
Cinq minutes de morceau complet, paroles comprises
Concrètement, on lui donne deux choses : une description musicale (genre, tempo, tonalité, émotions, instruments) et des paroles, facultatives. Le modèle renvoie un fichier audio 32 kHz en stéréo, avec couplets, refrains, pont et outro. Les paroles acceptent des balises de structure comme [Verse], [Chorus] ou [Bridge], ce qui permet de décider où la voix entre et où le pont arrive, au lieu de laisser le hasard décider.
La voix est le morceau de bravoure : elle doit sonner chantée, pas synthétisée. Les démos officielles montrent des chansons en chinois, en anglais et en japonais, avec des voix féminines ou masculines, des harmonies et des respirations. Pour guider le modèle sans être ingénieur du son, MiniMax fournit un assistant qui transforme une phrase du genre « pop acoustique, voix douce » en description structurée complète, avec détails de voix et d’arrangement.
Reste une limite honnête : tempo, tonalité et instruments sont des guides, pas des garanties. Comme tous les générateurs de ce type, le modèle peut dériver d’une consigne trop précise. C’est le compromis habituel entre contrôle et naturel.
Deux cerveaux pour tenir la longueur
La vraie difficulté avec cinq minutes de musique, c’est la cohérence : le thème doit tenir, l’arrangement évoluer, et la voix rester la même du début à la fin. Music 3.0 s’y prend avec deux modèles complémentaires. Le premier, un gros modèle de 8 milliards de paramètres, gère la structure globale : il prédit le squelette sémantique de la chanson, morceau par morceau. Le second, plus léger avec 0,6 milliard de paramètres, s’occupe des détails acoustiques de chaque instant : timbre, articulation, texture des instruments.
Entre les deux, un module de rendu convertit leurs états internes en audio grâce à une technique de flux (flow matching) et à un décodeur spécialisé. Le tout produit un WAV 32 kHz, 16 bits, en stéréo.
Source : MiniMax — schéma d’architecture de Music 3.0, billet d’annonce officiel, https://www.minimax.io/blog/minimax-music-3-0-next-generation-open-weights-production-ready-versatile-music-model
Poids ouverts, mais il te faut une carte NVIDIA
Les poids du modèle sont publiés sur GitHub et sur Hugging Face. Pas de compte à créer, pas d’API à payer : tu télécharges, tu lances, c’est chez toi. Le mouvement des modèles ouverts continue, après des géants comme K-EXAONE 2.0, dont on parlait ici il y a quelques jours.
La condition, c’est le matériel : le modèle exige une carte NVIDIA compatible CUDA, au moins pour l’instant. Compte environ 24 Go de mémoire vidéo pour un confort maximal, 22 Go avec l’offload automatique vers le processeur, et 8 Go si tu acceptes un rendu plus lent en diffusant le modèle couche par couche. Une carte milieu de gamme récente suffit donc, mais une machine sans GPU dédié est écartée.
Autres limites à connaître : la génération n’est pas encore en streaming, il faut attendre la fin du morceau pour l’écouter. Le prompt est plafonné à 5 000 tokens et la durée à 9 000 trames, soit environ six minutes. Les interfaces de lancement existent déjà : SGLang, la bibliothèque diffusers et ComfyUI. Petite ombre au tableau : aucune licence explicite n’est annoncée sur la fiche Hugging Face, donc « ouvert » signifie aujourd’hui téléchargeable et exécutable, pas forcément libre au sens juridique.
Source : MiniMax — bannière officielle du modèle Music 3.0, dépôt Hugging Face MiniMaxAI/MiniMax-Music3, https://huggingface.co/MiniMaxAI/MiniMax-Music3
Ce que ça change pour la musique par IA
Jusqu’ici, une chanson par IA complète et chantée demandait un abonnement à un service cloud, ou des modèles capables de petits extraits sans voix convaincante. Là, le morceau complet devient un fichier local que tu peux réutiliser, modifier et conserver. Pour le musicien en quête d’un point de départ, le podcasteur qui veut un générique original, ou le curieux qui veut voir ce que ça donne chez lui, la barrière vient de baisser.
Si la musique par code te tente davantage, on testait Sonic Pi 5 il y a quelques semaines : une autre manière de créer, avec du code et des synthétiseurs plutôt qu’une voix artificielle. Les deux approches ne visent pas le même usage, mais elles montrent que la création musicale sur ordinateur n’a jamais eu autant de chemins possibles.
Le vrai test reste la qualité des voix et la longueur, deux points sur lesquels les générateurs ouverts avaient tendance à décevoir. Si Music 3.0 tient ses promesses, l’écart avec les services payants se réduit encore un peu.
À toi de jouer
MiniMax Music 3.0 ne remplacera pas ton groupe, mais il abaisse sérieusement la barrière : une chanson complète, chantée, générée chez toi, avec des poids ouverts. Il reste à vérifier ce que valent les voix sur des styles moins formatés, et à espérer que la licence devienne aussi claire que la promesse technique. En attendant, la musique par IA se teste enfin sans payer.
Sources
Le billet d’annonce officiel de MiniMax détaille l’architecture, les démos et les limites.
La fiche du modèle sur Hugging Face donne les exemples de code, la configuration mémoire et les limitations.
Le dépôt GitHub de MiniMax Music 3 héberge les poids et les instructions de lancement.
Le récap IA du 15 août d’AI Models Navi confirme la sortie et la replace dans l’actualité de la semaine.
—
Recherche, relecture et illustration assistées par IA. Le contenu reflète le travail éditorial de la rédaction.
No comments yet