Blog

Benutzerhandbuch

MiniMax Music 3 Kurzlied-Leitfaden: Songtext, Abschnitts-Tags und Arrangement-Brief getrennt schreiben

Auf Basis der beiden Pflichteingaben des aktuellen Vertrags eine reproduzierbare Kurzlied-Anfrage entwerfen

Nov 18, 2026
Artikel-Coverbild: eine mineralische Schnittgeometrie in flächigen Facetten auf dunkelpetrolfarbenem Grund, Blaugrün und Tannengrün wechseln sich ab, zurückhaltender Stil.
Auf dieser Seite

Zunächst die beiden Pflichteingaben auseinanderhalten

MiniMax Music 3 bietet auf HiAPI nur eine aufgabenbasierte Text-to-Music-Fähigkeit, keine schrittweise Schnittstelle im Sinne von „erst Melodie, dann Text einfüllen“. Das heißt: In einer Anfrage müssen stets zwei Dinge gleichzeitig angegeben werden: input.lyrics (Pflicht) und input.prompt (Pflicht). Beide stehen nicht in der Beziehung „eines dient als Haupteingabe, das andere als optionale Ergänzung“, sondern sind zwei parallele Eingabekanäle, die gemeinsam die Ausgabe bestimmen.

Legt man die Zuständigkeitsgrenze dieser beiden Felder zuerst fest, lassen sich alle späteren Schreibprobleme zuordnen:

  • lyrics = der zu singende Inhalt. Es beantwortet „was gesungen wird“ und sollte nur den Songtext selbst und die Abschnittsstruktur-Tags enthalten.
  • prompt = die Beschreibung der Musik selbst. Es beantwortet „wie es klingt“ und trägt Stil, Stimmung, Gesangscharakter, Instrumentierung und Arrangementverlauf.

Häufige Nacharbeit entsteht dadurch, dass diese beiden Dinge vermischt werden: Man stopft „im Refrain eine Schlagzeugpassage zur Steigerung“ in lyrics oder klebt den gesamten Songtext in prompt. Im ersten Fall wird der Songtext als Gesangsinhalt gesungen oder durch die Regeln der Struktur-Tags abgeschnitten, im zweiten Fall verzichtet man auf die explizite Kontrolle über den Gesangstext.

Noch einmal die Schnittstellenform: Dies ist eine aufgabenbasierte Schnittstelle; nach dem Absenden der Anfrage wird das Ergebnis asynchron zurückgegeben, und die Parameter hängen alle unter input. Die empfohlene Schreibreihenfolge ist daher: zuerst das Songtext-Gerüst festlegen, dann das Arrangement-Brief schreiben und schließlich mit den optionalen Parametern Länge und Reproduzierbarkeit abschließen. Der nächste Abschnitt beginnt mit lyrics.

Zwei klar getrennte Eingabekanäle – einer für den Songtext, einer für die Musikbeschreibung – fließen schließlich in dieselbe Generierungsanfrage zusammen.

Songtext und Abschnitts-Tags richtig organisieren

Die Regel für input.lyrics ist kurz, aber die Fehlerquote ist am höchsten: Struktur-Tags (etwa [intro], [verse], [chorus]) müssen jeweils in einer eigenen Zeile stehen; Text, der in derselben Zeile wie ein Tag steht, wird verworfen. Das erklärt fast alle Rückmeldungen der Art „Songtext fehlt“ – das Problem liegt nicht am Modell, sondern am Zeilenumbruch.

Grundform

Pro Zeile ein Element: entweder ein Tag oder eine Songtextzeile. So lässt sich ein Kurzlied-Gerüst organisieren:

[intro]
[verse]
Die Nacht weicht langsam vom Fensterbrett zurück
Ich falte die ungesagten Worte in den Wind
[chorus]
Lass diese eine Minute etwas länger sein
noch etwas länger
[outro]

Drei harte Regeln

  1. Tags in einer eigenen Zeile. Bei der Schreibweise [chorus] Lass diese eine Minute etwas länger sein steht der Text nach dem Tag an einer Position, an der er verworfen wird; richtig ist, ihn in zwei Zeilen zu trennen.
  2. Keine Anmerkungen in der Tag-Zeile. In einer Tag-Zeile darf außer dem Tag selbst kein erklärender Text stehen; Arrangementabsichten gehören in prompt.
  3. Songtext innerhalb eines Abschnitts zeilenweise schreiben. Jede Zeile entspricht einer natürlichen Gesangseinheit; die Zeilenzahl ist selbst Teil der rhythmischen Information. Bei Kurzlied-Abschnitten führt eine vernünftige Zeilenzahl eher zu sauberen Ergebnissen als das Stapeln langer Sätze.

Organisationsvorlage

Für ein Kurzlied empfiehlt sich diese Hierarchie: [intro] → [verse] → [chorus] → (optional [verse] / [chorus] wiederholt) → [outro]. Abschnitts-Tags sind Struktursignale; das wiederholte Auftreten desselben Tag-Typs sagt dem Modell „noch einmal derselbe Rollenabschnitt“. Welche Instrumente und welche Dynamik dieser Abschnitt tatsächlich verwendet, wird hier nicht geschrieben, sondern im prompt des nächsten Abschnitts.

Mit prompt ein geschichtetes Arrangement-Brief schreiben

input.prompt ist eine Freitext-Musikbeschreibung. Die offizielle Beschreibung nennt als steuerbare Dimensionen Genre, BPM, Tonart, Stimmungsverlauf, Gesangsdetails und abschnittsweise Instrumentierung. Statt auf einmal einen großen Absatz voller Adjektive zu schreiben, ist es besser, „erst grob, dann fein“ geschichtet zu schreiben; so lässt sich jede Dimension gezielt ersetzen, statt den ganzen Absatz neu zu schreiben.

Schichtreihenfolge

  1. Genre und Gesamtcharakter: Ein Satz legt die Grundstimmung fest, zum Beispiel Independent Folk, City Pop oder klaviergetragener narrativer Pop.
  2. Tempo und Tonart: BPM und Tonart sind quantifizierbare Anker; ihre Angabe kann die Zufälligkeit deutlich verringern.
  3. Stimmungsverlauf: Beschreibt, von welcher Stimmung zu welcher das ganze Stück verläuft, etwa „zurückhaltender Anfang, Anhebung im Refrain, Abklingen im Schlussteil“.
  4. Gesangsdetails: Klangfarbe, Geschlecht, Anteil an Hauchstimme, ob Harmonien hinzugefügt werden – Beschreibungen auf Gesangsebene.
  5. Abschnittsweise Instrumentierung: Die Abschnittsbeschreibungen im prompt mit den Abschnitts-Tags in lyrics in Übereinstimmung bringen und für intro / verse / chorus jeweils Instrumentierung und Dynamik klären.

Eine brauchbare Brief-Vorlage

Genre: klaviergetragener narrativer Pop
Tempo und Tonart: mittellangsam, Moll
Stimmungsverlauf: Strophe zurückhaltend, Refrain anhebend, Ende ausklingend
Gesang: Frauenstimme, Nahmikrofon-Charakter, im Refrain tiefe Harmoniestimmen
Arrangement: intro nur Klavier und leichte Umgebungsgeräusche; verse mit Bass und leichter Perkussion; chorus mit vollem Schlagzeug; outro zurück zum Klavier

Zwei Schreibgewohnheiten

  • Abschnittsbeschreibungen tragen denselben Namen wie die Songtext-Tags. Wenn im prompt „chorus mit vollem Schlagzeug“ steht, muss in lyrics ein [chorus] vorhanden sein; gleiche Namen auf beiden Seiten erleichtern dem Modell die Ausrichtung.
  • Jede Schicht enthält nur die Entscheidungen dieser Schicht. In der Genre-Zeile keine Gesangsanforderungen einmischen und nicht drei widersprüchliche Tempoangaben in einen Satz packen. Der Zweck der Schichtung ist, dass jede Iteration nur eine Schicht ändert.
Von der untersten Schicht aus Genre und Tempo über Stimmungsverlauf und Gesangsdetails bis zur obersten Schicht der abschnittsweisen Instrumentierung – das Arrangement-Brief wird von grob nach fein Schicht für Schicht aufgebaut.

Dauer und Zufalls-Seed: Was duration und seed tatsächlich bedeuten

Beide sind optionale Parameter, werden aber oft fälschlich als „präzise Steuerung“ gelesen.

duration: Obergrenze, kein Vertrag

input.duration ist die Obergrenze für die Dauer des generierten Audios, in Sekunden, Standard 60, Wertebereich 1–300. Der entscheidende Punkt ist „Obergrenze“: Das Modell kann vorzeitig enden, und die Ausgabelänge entspricht nicht garantiert genau dem eingetragenen Wert.

Daraus folgen zwei praktische Konsequenzen:

  • Bei Kurzliedern sollte man zur Ziellänge etwas Spielraum lassen und duration nicht exakt auf die Zielänge setzen; sonst wird die Wahrscheinlichkeit eines vorzeitigen Endes direkt zu „ein Stück zu kurz“.
  • duration sollte nicht zur Struktursteuerung verwendet werden. Soll der Refrain früher kommen, ändert man die Abschnittsanordnung in lyrics und die abschnittsweise Instrumentierung im prompt, nicht die Gesamtdauer durch Kürzen.

seed: Anker für die Reproduzierbarkeit

input.seed nimmt eine ganze Zahl an und dient der Reproduktion von Ergebnissen; wird sie weggelassen, wird ein Zufalls-Seed verwendet. Ihr Wert liegt im A/B-Vergleich: Man kombiniert denselben Songtext mit zwei prompt-Versionen und fragt beide bei festem seed getrennt an; Unterschiede lassen sich dann eher dem Brief selbst als der Zufälligkeit zuschreiben.

Beachte: seed trägt nur die Bedeutung „reproduzierbar“; es ist kein Qualitätsregler und verspricht nicht, dass das Ergebnis bei festem seed völlig unverändert bleibt – aber als Versuchsbasis zum Vergleich verschiedener Brief-Versionen ist es das bequemste Hilfsmittel.

Zu einer Kurzlied-Anfrage zusammensetzen: Parameterliste und Prüfpunkte

Fasst man die drei vorherigen Teile zusammen, sind die Parameterpfade einer Kurzlied-Anfrage fest:

  • input.lyrics: Pflicht, Songtext selbst + jeweils in einer eigenen Zeile stehende Abschnitts-Tags.
  • input.prompt: Pflicht, geschichtetes Arrangement-Brief.
  • input.duration: Optional, Dauerobergrenze, Einheit Sekunden, Standard 60, Bereich 1–300.
  • input.seed: Optional, ganze Zahl, zur Reproduktion.

Selbstprüfliste vor dem Absenden

  1. Steht jedes Abschnitts-Tag in einer eigenen Zeile, ohne dass am Ende der Tag-Zeile Text hängt?
  2. Sind in lyrics irgendwelche Arrangement-, Instrument- oder Stimmungshinweise eingemischt?
  3. Deckt der prompt die fünf Schichten Genre, Tempo und Tonart, Stimmungsverlauf, Gesang und abschnittsweise Instrumentierung ab?
  4. Passen die Abschnittsnamen im prompt zu den Tag-Namen in lyrics?
  5. Lässt duration Spielraum zur Ziellänge, statt als exakter Wert behandelt zu werden?
  6. Ist für einen Versionsvergleich seed bereits auf dieselbe ganze Zahl festgelegt?

Geht man diese sechs Punkte durch, lassen sich die meisten ungültigen Anfragen vermeiden. Feinere Felder und Aufrufweisen findet man auf der Modellseite von minimax-music-3; es gibt bereits schrittweise Beispielartikel mit curl und Python im Angebot, die hier nicht wiederholt werden.

Häufige Fehlermuster und Iterationspfad

Zum Schluss werden häufige Probleme nach „Symptom → Ursache → Behebung“ aufgelistet, um die Fehlersuche zu erleichtern.

Symptom 1: Ein Abschnitt des Songtexts fehlt

Die häufigste Ursache ist, dass Tag und Text in derselben Zeile stehen und der Text dieser Zeile verworfen wird. Es gibt nur eine Behebung: [chorus] Songtext in zwei Zeilen trennen.

Symptom 2: Es wird gesungen, was nicht gesungen werden sollte

Arrangementanforderungen wurden in lyrics geschrieben. Zum Beispiel wird „Refrain mit Schlagzeug“ im Songtextbereich platziert; es kann dann als Gesangstext behandelt werden. Die Behebung besteht darin, alle Nicht-Songtext-Inhalte in die Schicht der abschnittsweisen Instrumentierung im prompt zu verschieben.

Symptom 3: Das Ergebnis ist kürzer als erwartet

duration wurde als exakte Dauer verwendet. Es ist eine Obergrenze, und das Modell kann vorzeitig enden. Die Behebung besteht darin, zur Ziellänge Spielraum zu lassen und die Struktur über die Abschnittsanordnung zu steuern, statt duration zu drücken.

Symptom 4: Der Stil driftet, und man kann nicht sagen, welche Version besser ist

Es gibt keinen festen seed und der prompt wurde nicht geschichtet geschrieben; zwischen zwei Anfragen gibt es zu viele Variablen. Die Behebung: zuerst seed festlegen, dann in der Reihenfolge „Genre → Tempo und Tonart → Stimmung → Gesang → abschnittsweise Instrumentierung“ Schicht für Schicht konvergieren. In der ersten Runde nur Genre und Tempo festlegen, nach Bestätigung der Richtung den Stimmungsverlauf ergänzen, dann Gesangsdetails und schließlich die abschnittsweise Instrumentierung feinjustieren. Pro Runde nur eine Schicht ändern, dann lässt sich jeder Unterschied einer Version zuordnen.

Folgt man diesem Pfad, wird die Kurzlied-Produktion von „wiederholt auf Glück hoffen“ zu einem Konvergenzprozess mit klaren Parametern: lyrics regelt, was gesungen wird, prompt regelt, wie es klingt, duration und seed regeln Grenzen und Reproduzierbarkeit. Man beginnt mit einem sauberen Songtext-Gerüst und einem groben Brief und ergänzt dann Schicht für Schicht Details.

Ähnliche Artikel

Alle Artikel ansehen →

Starte mit persistenten KI-Artefakten

Hol dir deinen API-Key und rufe Bild-, Video- und Audiomodelle über eine einzige task-basierte API auf.

API-Dokumentation lesen