MiniMax Music 3: cómo usarlo en local, licencia y precios

👁 119 lecturas

MiniMax Music es el generador musical de la compañía china MiniMax, los mismos desarrolladores detrás del modelo de vídeo Hailuo. La versión más reciente, Music 3, compone canciones con voz de hasta 5 minutos y desde agosto de 2026 cuenta con pesos abiertos, lo que permite ejecutarlo gratis en tu propia tarjeta gráfica mediante ComfyUI. Su API de pago para nuevos clientes quedó cerrada el 20 de agosto.

Qué es MiniMax Music

MiniMax es una empresa con sede en Shanghái especializada en modelos de lenguaje, vídeo (Hailuo, H3) y voz. Encontrarás más detalles sobre su ecosistema visual en la guía sobre MiniMax: Hailuo, H3 y H3 Max; en este artículo nos centramos exclusivamente en la generación de música.

El funcionamiento de MiniMax Music recuerda al de Suno: introduces una descripción del estilo junto a la letra y el sistema compone melodía, arreglos y pista vocal. Music 3 acepta dos entradas de datos:

• Letra estructurada por secciones: etiquetas como [Intro], [Verse], [Pre-Chorus], [Chorus], [Bridge], [Instrumental], [Solo] y [Outro], que el modelo sigue al pie de la letra.
• Structured Caption: una descripción técnica dividida en tres apartados: Global Metadata (género, tempo, tonalidad, emoción), Vocal Details (tipo de timbre y estilo de interpretación) y Arrangement (instrumentación y evolución de cada sección).

A nivel de arquitectura interna, cuenta con un Global LLM de 8B parámetros (basado en Qwen3-8B) para coordinar la estructura, un Local LLM de 0,6B para los matices, un módulo Flow Matching de 2,4B que sintetiza la señal de audio y un decodificador Flow-VAE de 123M que produce el archivo WAV final en estéreo a 32 kHz.

Versiones de MiniMax Music

Estas fechas proceden de las notas de lanzamiento oficiales de MiniMax (para las ediciones 2.5+ y 2.6 solo especificaron el mes). El repositorio con los pesos en Hugging Face se creó el 7 de agosto, mientras que el anuncio conjunto de MiniMax y ComfyUI llegó el 13 de agosto de 2026.

Comparativa en benchmarks de música con IA

Artificial Analysis, en la versión 1.1 de su ranking (publicada alrededor del 7 de octubre de 2026 tras evaluar 1000 prompts y 17 géneros), fijó a Music 3.0 como la referencia base de la escala, asignándole exactamente 1000 puntos. Puedes ver el cuadro completo en la comparativa de generadores de música IA.

• Canciones con voz: Music 2.6 logró 1001 puntos (puesto 10), Music 3.0 obtuvo 1000 puntos (puesto 11) y Music 2.5+ se quedó en 987 (puesto 12). El líder del ranking, Suno v6, alcanza los 1142 puntos.
• Pistas instrumentales: Music 2.5+ cosechó 1005 puntos (puesto 10), Music 2.6 sumó 1002 (puesto 11) y Music 3.0 registró 1000 (puesto 13). Suno v6 comanda la tabla con 1140 puntos.
• Pesos abiertos: Music 3.0 es el modelo descargable y autohospedado mejor puntuado de toda la lista.

Music 3 no ofrece necesariamente una calidad auditiva superior a la de la versión 2.6: su verdadero valor reside en la disponibilidad de sus pesos para uso local, no en un salto acústico radical.

Licencia comunitaria de MiniMax-Music3

Los pesos no están publicados bajo Apache ni MIT, sino con una licencia propia titulada «MiniMax-Music3 COMMUNITY LICENSE». Tras revisar el archivo LICENSE oficial en su repositorio a fecha de 8 de octubre de 2026, estos son los aspectos jurídicos clave:

• El uso comercial está autorizado, incluso dentro de plataformas, productos o servicios de pago.
• Obligación de atribución: cualquier producto comercial basado en él debe mostrar de manera visible el distintivo «MiniMax-Music3» en la interfaz.
• Límite de ingresos de 20 millones de USD: si la facturación anual bruta generada por soluciones basadas en este modelo supera los 20 millones de USD (unos 17,89 millones de EUR según el tipo de cambio de referencia del BCE del 12/10/2026: 1 EUR = 1,1181 USD; ecb.europa.eu), es imprescindible solicitar autorización previa por escrito a api@minimax.io.
• Medidas de seguridad: quienes ofrezcan el modelo a terceros como servicio deben implementar y supervisar mecanismos «razonables y proporcionados» para evitar usos contrarios a los términos.
• Política de uso aceptable: su anexo (del 6 de agosto de 2026) prohíbe taxativamente la desinformación, la suplantación de identidad, la discriminación y las aplicaciones militares.

La cláusula de atribución y el tope de ingresos aplican a productos y servicios de software desarrollados sobre el modelo, no a los archivos de música producidos con él. El texto legal no reclama la propiedad de las canciones generadas a favor de MiniMax. Por tanto, un tema creado en local y subido a YouTube no necesita llevar la etiqueta «MiniMax-Music3», aunque sigues sujeto a la política de uso aceptable. Ciertas referencias en internet que mencionaban una supuesta licencia CC BY-NC 4.0 no coinciden con los términos reales del repositorio oficial.

Precios de MiniMax Music

Nota sobre divisas: los precios fijados originalmente en USD se convierten a EUR al tipo oficial del BCE del 12/10/2026 (1 EUR = 1,1181 USD; fuente: https://www.ecb.europa.eu/stats/eurofxref/eurofxref-daily.xml) a título informativo orientativo.

Aplicación web MiniMax Audio

La suite creativa opera en MiniMax Audio (minimax.io/audio/music), anteriormente situada bajo el dominio hailuo.ai/audio. El saldo de créditos es compartido con la herramienta de síntesis vocal. Generar una canción consume 300 créditos (al pulsar en crear dos variantes el botón marca 600).

Tarifas comprobadas en minimax.io/audio/subscribe a 8 de octubre de 2026. Los derechos de explotación comercial sobre nuevas canciones se conceden en los planes de pago. Respecto al plan gratuito existe cierta contradicción: la ficha del plan sugiere cobertura comercial, pero las preguntas frecuentes señalan que las cuentas gratuitas se limitan al ámbito personal (conviene tomar esta última advertencia como referencia segura). Las condiciones de servicio musical (vigentes desde el 19/06/2025) obligan a etiquetar la música como creada por IA y prohíben eliminar las marcas de agua de MiniMax.

Acceso mediante API

• API oficial de MiniMax: Music-3.0 y Music-2.6 tenían un coste de 0,15 USD por pista de hasta 5 minutos (aprox. 0,13 EUR) y 0,01 USD por generación de letra (aprox. 0,009 EUR). Desde el 20 de agosto de 2026 no se admiten altas de nuevos usuarios, aunque las cuentas activas previas mantienen el servicio.
• fal.ai: el endpoint minimax/music-3 tarifica a 0,002 USD por segundo generado (aprox. 0,0018 EUR/s, equivalentes a 0,12 USD o aprox. 0,11 EUR por minuto). La versión Music 2.6 (fal-ai/minimax-music/v2.6) factura a 0,15 USD por canción fija (aprox. 0,13 EUR). Datos extraídos de la API de tarifas de fal.ai el 08/10/2026.

Cómo instalar MiniMax Music 3 en local con ComfyUI

ComfyUI representa la alternativa de instalación más directa. En la documentación técnica de MiniMax también se explica la integración con diffusers (que según el README consume 24 GB de VRAM, reduciéndose a unos 22 GB con descarga de módulos y hasta 8 GB recurriendo a streaming de capas) y mediante SGLang-Omni. Se requiere una gráfica NVIDIA con soporte CUDA. Puedes consultar las nociones básicas de memoria de vídeo en nuestra guía sobre cuánta VRAM hace falta para IA y la configuración del entorno en el tutorial de ComfyUI.

1. Actualiza ComfyUI a la última versión para habilitar los nodos dedicados a MiniMax Music 3.
2. Abre la sección Template Library, navega al área de Audio y carga la plantilla audio_minimax_music_3 («Text to Music (MiniMax Music 3)»). La propia herramienta ofrecerá descargar los archivos necesarios.
3. Descarga los pesos desde el repositorio Comfy-Org/MiniMax-Music-3 y colócalos en sus respectivas carpetas:
   • models/diffusion_models/: el archivo minimax_music3_dit_fp16.safetensors (4,91 GB) o, para hardware modesto, minimax_music3_dit_int8_convrot.safetensors (2,5 GB).
   • models/text_encoders/: minimax_music3_text_encoder_pruned_int8_convrot.safetensors (9,2 GB).
   • models/vae/: minimax_music3_dav.safetensors (0,22 GB).
4. En el nodo MiniMaxMusic3TextEncode, introduce la descripción en tres bloques (Global Metadata, Vocal Details, Arrangement) y añade el texto estructurado con las etiquetas de sección.
5. En el nodo EmptyMiniMaxMusic3LatentAudio, ajusta la duración deseada en segundos. El valor inicial es 120 s, con un techo aproximado de 300 s.
6. Mantén los parámetros predeterminados en KSampler: 30 pasos, cfg de 1,7, muestreador euler y planificador simple.
7. Decodificación: usa VAEDecodeAudio si tienes suficiente memoria de vídeo. Si la VRAM escasea en temas extensos, activa VAEDecodeAudioTiled (parámetro tiled_decode en la plantilla), teniendo en cuenta que la decodificación por teselas es más lenta y puede generar artefactos o transiciones audibles.
8. Ejecuta el flujo de trabajo. El audio final se almacenará en formato MP3 dentro del directorio output/audio/.

¿Qué consumo de memoria implica? La mayor parte de la carga recae sobre el codificador de texto y no sobre el modelo generativo de audio. La variante int8 (DiT de 2,5 GB + codificador de 9,2 GB + VAE) ocupa unos 11,9 GB en disco, mientras que el paquete con DiT en fp16 sube a unos 14,3 GB. Además, la comunidad ha preparado cuantizaciones en formato GGUF:

• Abiray/MiniMax-Music3-GGUF: solo incluye el DiT cuantizado, abarcando desde Q3_K_M (1,16 GB) hasta Q8_0 (2,7 GB) y F16 (4,98 GB). El codificador y el VAE se descargan desde Comfy-Org.
• molbal/Minimax-Music3-GGUF: cuantiza tanto el DiT como el codificador de texto (este último en Q4_0 con un peso de unos 5,4 GB). Requiere utilizar una bifurcación adaptada de ComfyUI-GGUF.

De acuerdo con análisis de localaimaster.com, el punto de partida equilibrado se sitúa en una tarjeta de 12 GB de VRAM junto a 32 GB de memoria RAM; en tarjetas de 8 GB el flujo solo opera aplicando técnicas agresivas de descarga a RAM, lo que ralentiza enormemente la generación. Para usar ComfyUI no es necesario descargar el repositorio completo original de MiniMax (de 57,4 GB). Tienes un análisis más amplio de alternativas autohospedadas en nuestra sección de modelos de IA en local.

Rendimiento en local: prueba de MiniMax Music 3 en una RTX 4090

El 8 de octubre de 2026 evalué MiniMax Music 3 en local con ComfyUI sobre una NVIDIA RTX 4090 (usando DiT fp16 de 4,91 GB, codificador de texto podado int8 de 9,2 GB y VAE de 0,22 GB; 14,3 GB descargados en total desde Comfy-Org en Hugging Face). La prueba se ejecutó con los ajustes por defecto: 30 pasos, cfg 1,7, euler/simple y un tope de 100 segundos. El banco de pruebas se realizó con una letra de canción en polaco titulada (en traducción del original en polaco: «Mañana en Lodz») (2 estrofas y estribillo, 52 palabras; la traducción de referencia al español de la temática evaluada sería: «un paseo matutino nostálgico por la ciudad») y un prompt de estilo orientado a balada indie pop melancólica con voz femenina.

• Fidelidad de pronunciación: al procesar la pista de voz aislada con Demucs mediante Whisper large-v3, el reconocedor transcribió correctamente 102 de las 104 palabras analizadas en las dos tomas de la prueba en polaco, tropezando únicamente en dos términos con fonemas complejos.
• Ajuste estilístico: evaluadores basados en modelos de lenguaje (Gemini 3.8 Flash y Qwen 3.8 Omni Flash) asignaron una media de 4,0/5 en dicción, pero rebajaron la puntuación a 3,1 en acabado sonoro y a 2,9 en adecuación al género solicitado. En ambas pasadas, Gemini remarcó que en vez de una balada suave e íntima se obtuvo una interpretación teatral cercana al teatro musical, con un matiz ligeramente metálico en la voz.
• Duración difícil de controlar: el segundo intento se detuvo en los 54,5 segundos; el modelo interpretó la letra íntegra, pero aceleró el ritmo notablemente por encima de lo previsto.
• Comparativa frente a otros modelos: en la misma gráfica, el modelo alternativo ACE-Step 1.5 produjo 95 segundos en tan solo 8 segundos con un consumo contenido de 13 a 14 GB de VRAM, logrando una nota de 4,5 en la evaluación de dicción del texto de prueba.
• Rendimiento previo en la nube: el 3 de octubre, ejecutado en fal.ai, MiniMax Music 3 había obtenido un registro inferior sobre otra letra en polaco: 32 de 39 palabras legibles y una valoración de pronunciación de 3/5.

Todos los datos comparativos están disponibles en la tabla de generadores de música IA. El primer arranque resultó más lento debido a la lectura de los modelos desde una unidad USB externa (a unos 44 MB/s); en un almacenamiento NVMe interno el inicio es mucho más ágil.

Comportamiento lingüístico y pronunciación

MiniMax no facilita un listado formal de idiomas admitidos en composición musical. Las demos oficiales de Music 3 se centran en chino e inglés, y la mención de «más de 40 idiomas» en los paneles de MiniMax Audio corresponde a su motor de síntesis de voz hablada (TTS), no al algoritmo musical.

En las pruebas llevadas a cabo para la guía del generador de música IA (empleando un texto en polaco de 39 palabras, transcripción con Whisper large-v3 y análisis fonético asistido por IA), estos fueron los resultados observados:

• Music 2.6: 34 de 39 palabras reconocidas, nota de dicción de 2/5 y 57 segundos de procesado en fal.ai.
• Music 3: 32 de 39 palabras reconocidas, nota de dicción de 3/5 y 120 segundos de cómputo, generando una pieza sensiblemente más corta de lo configurado (27 segundos frente a los 75 solicitados).
• Patrones conflictivos: las dificultades de vocalización aparecen especialmente ante combinaciones consonánticas complejas en los primeros compases, mientras que los estribillos tienden a interpretarse con mayor claridad.

Un truco útil si trabajas con letras en idiomas secundarios: redacta el bloque descriptivo de estilo en inglés añadiendo instrucciones expresas como «vocal singing with clear diction» y procura que el primer verso no arranque con agrupaciones complejas de consonantes.

MiniMax Music frente al resto del mercado

En las mediciones de vocalización realizadas, la opción con mejor nitidez de voz fue Eleven Music (logrando 39 de 39 palabras en la primera prueba y 103 de 104 en la segunda). Si nos ceñimos a modelos de código y pesos descargables, Music 3 ostenta la mejor puntuación técnica general en el ranking de Artificial Analysis. No obstante, en la prueba local, ACE-Step 1.5 logró un resultado muy similar en precisión fonética (101 de 104 palabras), respetó con mayor fidelidad el estilo musical solicitado y exigió menos memoria gráfica. La edición previa de ACE-Step en fal.ai apenas capturaba los fonemas (8 de 39 palabras), pero la versión 1.5 representa un salto generacional evidente.

A quién le interesa MiniMax Music

• A usuarios con tarjetas de 12 a 24 GB de VRAM: permite producir canciones completas sin cuotas mensuales ni limitaciones en el volumen de exportación.
• A desarrolladores de software: supone el modelo de generación de canciones con pesos abiertos más potente disponible bajo condiciones comerciales (siempre que se incluya el distintivo «MiniMax-Music3»).
• A proyectos con letras en inglés e instrumentales: es el entorno donde la arquitectura demuestra su máxima expresividad y coherencia armónica.
• Menos indicado para grabaciones finales que exijan dicción impecable en lenguas no nativas: el acento y ciertos sesgos de pronunciación aún son perceptibles, rindiendo mejor en ese terreno servicios cerrados como Eleven Music o Lyria.

Preguntas frecuentes

¿Qué es exactamente MiniMax Music?

Es un modelo de inteligencia artificial para la generación musical creado por MiniMax. Partiendo de una descripción estética y una letra por estrofas, produce temas cantados e instrumentales de hasta 5 minutos. Su última entrega, Music 3, cuenta con pesos abiertos utilizables en local, además de integrarse en la web de MiniMax Audio y en la infraestructura de fal.ai.

¿Puedo ejecutar MiniMax Music 3 en mi ordenador?

Sí. La vía más sencilla es ComfyUI a través de su plantilla predefinida audio_minimax_music_3. Se recomienda contar con una tarjeta gráfica NVIDIA de al menos 12 GB de VRAM y entre 12 y 15 GB libres de almacenamiento. Con versiones cuantizadas en formato GGUF y descarga de capas a memoria RAM puede arrancar en tarjetas de 8 GB, aunque el proceso es sensiblemente más lento.

¿Es posible utilizar MiniMax Music de forma gratuita?

En local es completamente gratuito y sin límites de generación. En su plataforma web (MiniMax Audio), el nivel Free proporciona 10 000 créditos mensuales (unas 33 canciones), aunque las condiciones de uso acotan este plan al ocio estrictamente personal. Por su parte, los accesos a la API gratuita music-3.0-free fueron retirados el 20 de agosto de 2026.

¿Qué condiciones impone la licencia de MiniMax Music 3?

Se distribuye bajo la MiniMax-Music3 Community License. Habilita la explotación comercial siempre que se muestre de forma visible la mención «MiniMax-Music3» en la herramienta o producto final. Si la facturación anual atribuible supera los 20 millones de USD, es necesario formalizar un acuerdo previo por escrito con MiniMax. Estas restricciones aplican al software que integra el modelo, no a los audios creados con él.

¿Genera canciones con letra en otros idiomas aparte del inglés y chino?

Sí, aunque con acento apreciable. En pruebas realizadas con letras fonéticamente complejas, Music 3 transcribió adecuadamente entre 32 y 52 palabras según el entorno y la velocidad. MiniMax no ha oficializado aún un catálogo exhaustivo de lenguas optimizadas para producción musical profesional.

¿A qué corresponde el nombre Hailuo Music?

Era la designación inicial de la sección sonora en el portal Hailuo AI. Actualmente el generador se centraliza dentro del servicio MiniMax Audio en minimax.io/audio/music, funcionando el antiguo enlace de hailuo.ai como redirección. Puedes conocer su tecnología de generación de vídeo en el artículo sobre Hailuo AI.

¿Se pueden monetizar las pistas obtenidas con MiniMax Music?

A través de las modalidades de suscripción de pago en MiniMax Audio sí, ya que otorgan derechos comerciales sobre las nuevas creaciones (con la condición de señalar que han sido generadas por IA). En el caso del modelo descargado en local, los términos de la licencia comunitaria no reclaman la propiedad de las composiciones ni impiden rentabilizar los temas resultantes.

Fuentes de información y fechas de comprobación

• Ficha del modelo y términos de LICENSE para MiniMaxAI/MiniMax-Music3 en huggingface.co (consultado el 08/10/2026).
• Archivos oficiales en Comfy-Org/MiniMax-Music-3 en huggingface.co (08/10/2026).
• Comunicado oficial de MiniMax Music 3.0 en minimax.io (13/08/2026).
• Historial de cambios de arquitectura en platform.minimax.io (08/10/2026).
• Condiciones y tarifas de la API comercial en platform.minimax.io (08/10/2026).
• Planes de usuario de MiniMax Audio en minimax.io (08/10/2026).
• Términos del servicio de música de MiniMax Audio en minimax.io (versión del 19/06/2025).
• Guía técnica de ComfyUI para Music 3 en blog.comfy.org (13/08/2026).
• Modelos cuantizados GGUF de Abiray y molbal (08/10/2026).
• Requisitos recomendados de VRAM en localaimaster.com (08/10/2026).
• Clasificación Text to Music v1.1 en Artificial Analysis (aprox. 07/10/2026).
• Precios de cálculo de fal.ai verificados en su API de costes (08/10/2026); pruebas de generación ejecutadas el 03/10/2026 y el 08/10/2026.

// sigue leyendoSkyReels V4: precios de la API, ranking y cómo usarloHerramientas de IAMiniMax H3-Image: precio, 4K nativo y pruebas realesNoticiasUtopai X vs Wan 3.0 vs MiniMax H3: comparativa y preciosBenchmarks

Kinetyra