# \#rvq **URL:** https://discuss.pytorch.kr/tag/rvq/8840.md [최신](https://discuss.pytorch.kr/latest.md) · [카테고리](https://discuss.pytorch.kr/categories.md) · [태그](https://discuss.pytorch.kr/tags.md) --- ## [MiniMax Music 3: 가사와 음악 설명만으로 5분 길이의 완성곡을 만드는 음악 생성 모델](https://discuss.pytorch.kr/t/minimax-music-3-5/11629)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [8월 16, 2026, 11:30오전 UTC](https://discuss.pytorch.kr/t/minimax-music-3-5/11629 "2026-08-16T11:30:23Z")
MiniMax Music 3 소개 음악 생성에서 어려운 쪽은 짧은 구간을 그럴듯하게 만드는 일이 아니라 긴 곡 하나를 끝까지 같은 곡으로 유지하는 일입니다. 몇 십 초 단위로는 괜찮게 들리던 결과물도 길이가 늘어나면 주제가 흩어지고, 보컬 음색이 중간에 바뀌고, 편곡이 앞뒤로 이어지지 않습니다. 인트로에서 시작해 벌스와 후렴을 지나 브릿지와 아웃트로까지 가는 구조를 만들려면 프레임 단위의 음향 품질과 곡 전체의 구조를 동시에 붙들고 있어야 합니다. MiniMax Music 3는 이 두 가지를 서로 다른 모델에 나눠 맡기는 방식으로 접근합니다. MiniMax가 공개한 음악 생성 모델로, 가사와 상세한 음악 설명을 조건으로 받아 최대 5분 길이의 곡을 만듭니다. 곡의 장기 구조는 8B 규모의 전역 LLM(Global LLM) 이, 프레임 단위의 음향 디테일은 0.6B 규모의 지역 LLM(Local LLM) 이 담당하고, 최종 음성은 Flow Matching과 Flow-VAE 기반의 연속 은닉 상태 합성으로 만들어집니다. 출력은 32kHz 16비트 스테레오 WAV입니다. 가중치는 Hugging Face에 공개되어 있고, 저장소에는 음악 설명을 구조화된 캡션으로 확장해 주는 에이전트 스킬도 함께 들어 있습니다. 다만 뒤에서 다룰 라이선스와 하드웨어 요구사항은 일반적인 MIT 계열 공개 모델과 조건이 다르므로 미리 확인해 두는 편이 좋습니다. MiniMax Music 3의 전체 구조 구조는 크게 세 층입니다. 아래쪽 입력 조건 층에서 구조화된 캡션과 가사가 들어가고, 가운데 Hybrid LM 층에서 전역 모델과 지역 모델이 코드북을 나눠 예측하며, 위쪽 합성 층에서 Flow Matching과 Flow-VAE 디코더가 실제 오디오를 만듭니다. MiniMax Music 3의 계층적 자기회귀 구조 전역 모델과 지역 모델은 예측 대상이 다릅니다. 전역 LLM(8B) 은 첫 번째 RVQ 코드북을 프레임 단위로 예측하면서 곡의 장기적인 의미와 구조 진행을 모…