动态｜一个人就能当一支乐队，MiniMax发布音乐生成模型Music 1.5

9月12日，MiniMax正式发布新一代音乐生成模型Music 1.5。据了解，Music 1.5在音乐生成时长、控制精度、编曲表现等多个维度实现显著提升，生成时长升至4分钟，开启了”一人即乐队”的新时代。

四大技术突破重新定义AI音乐

相较于前一代产品，MiniMax Music 1.5在技术层面实现了四大核心突破。

首先是歌曲强控制力的提升。Music 1.5支持长达4分钟的音乐创作，出品即成品，不再仅是demo小样。简单模式下，用户仅需几个关键词或一句自然语言描述，Music 1.5即能交付超高完成度的歌曲作品。在高级模式下，通过“16种风格×11种情绪×10个场景”自定义音乐特征，对歌曲的前奏（Intro）、主歌（Verse）、副歌（Chorus）等不同段落歌词编排，极大丰富的用户创作体验。

例如，用户输入“温柔女声嘻哈唱首流行歌曲”简单描述，一首AI填词作曲的女声作品《甜甜圈》便跃入眼前。输入一首创作好的完整歌词，选中“爵士、浪漫、深夜酒吧”，一首动听的《回眸》即可创作。

其次是人声自然饱满的表现。模型对人声唱腔发音技巧进行深度建模，可以生成不同声线、唱腔的音色。相比于同类产品，Music 1.5生成的声音更具通透感和真实感，音色自然饱满，转音顺畅无断层，能够极大丰富歌曲的情感表现力。这一技术突破解决了此前AI生成音乐中人声机械化、缺乏情感表达的问题。

第三是乐器层次丰富的编曲能力。模型对乐器进行细粒度建模，使得编曲丰富、乐器层次清晰、演奏技巧富于变化。特别值得一提的是，Music 1.5还支持中国小众及民族乐器的生成，这为传统文化与现代AI技术的结合提供了新的可能性。

最后是歌曲结构清晰的完整性。好的结构能让一首歌的情感表达层层递进、动人心魄。过往的音乐模型，段落与段落之间的界限往往并不明显。Music 1.5真正实现了Intro/Verse/Chorus段落间的明显区别，副歌爆点明显，尾奏收束自然，带来真正的”叙事级”听觉体验。

技术实力背后的多模态积累

Music 1.5的技术突破基于MiniMax在文本、语音、视觉等多模态领域的自研能力积累。

今年6月，MiniMax发布的视频生成模型Hailuo 02，采用NCR架构创新，实现了1080p原生生成能力。此外，公司的语音生成模型Speech 2.5也在全球范围内刷新了语音模型的性能上限。

通过利用文本模型的能力，Music 1.5对文本描述有更强的理解力和控制力，不仅可对歌曲风格、情感色彩和适用场景进行整体控制，也可对人声特征进行细粒度控制，生成不同声线特质的人声音色。

MiniMax Music 1.5的发布为多个行业带来了新的机遇。在专业音乐创作领域，该产品可以为音乐人提供AI辅助灵感激发；在影视、游戏、短视频等内容产业，可以快速定制背景音乐；在虚拟偶像和数字娱乐领域，可以量身打造单曲与MV；在企业营销层面，可以为品牌生成专属音频内容。更重要的是，Music 1.5的易用性使得音乐创作不再是专业人士的专利。普通用户甚至可以“只是为此刻的心情写一首歌”，这种创作门槛的降低，有望激发更多人的音乐创作热情。

此外，MiniMax Music 1.5不仅面向C端用户，还同步面向全球开发者提供API接口。公司表示，将延续“全球最高性价比”的定价策略，让更多开发者能够轻松接入AI音乐生成能力，构建自己的应用、工具或创作工作流。