Guía de uso
Guía para crear canciones cortas con MiniMax Music 3: cómo separar la letra, las etiquetas de sección y el brief de arreglos
Diseñar una solicitud de canción corta reproducible basándose en las dos entradas obligatorias del contrato actual
En esta página
Primero, distinguir claramente las dos entradas obligatorias
MiniMax Music 3 en HiAPI solo ofrece una capacidad de tarea de text-to-music, no existe una interfaz por pasos del tipo «primero genera la melodía y luego rellena la letra». Es decir, en una sola solicitud se deben proporcionar dos cosas a la vez: input.lyrics (obligatorio) e input.prompt (obligatorio); no es una relación de «uno principal y otro complementario opcional», sino dos canales de entrada paralelos que determinan conjuntamente la salida.
Fijemos primero los límites de responsabilidad de estos dos campos; así todos los problemas de escritura posteriores podrán ubicarse:
- lyrics = el contenido que se va a cantar. Responde a «qué se canta» y solo debe contener el texto de la letra y las etiquetas de estructura de sección.
- prompt = la descripción de la música en sí. Responde a «cómo suena» y lleva el estilo, la emoción, la calidad vocal, la instrumentación y la dirección de los arreglos.
La mayoría de los retrabajos provienen de mezclar estas dos cosas: meter «añade una progresión de batería en el estribillo» en lyrics, o pegar toda la letra en prompt. Lo primero hace que la letra se cante como contenido vocal o se trunque por las reglas de las etiquetas de estructura; lo segundo equivale a renunciar al control explícito del texto cantado.
Recalquemos la forma de la interfaz: es una interfaz de tarea; tras enviar la solicitud, el resultado se devuelve de forma asíncrona y los parámetros cuelgan de input. Por lo tanto, el orden de escritura recomendado es: primero determinar el esqueleto de la letra, luego escribir el brief de arreglos y, finalmente, cerrar la duración y la reproducibilidad con los parámetros opcionales. La siguiente sección comienza con lyrics.

Organización correcta del texto de la letra y las etiquetas de sección
La regla de input.lyrics es breve, pero es la que más errores causa: las etiquetas de estructura (como [intro], [verse], [chorus]) deben ocupar cada una su propia línea; el texto que se escribe en la misma línea que la etiqueta se descarta. Esto explica casi todos los comentarios de «se perdió la letra»: el problema no está en el modelo, sino en los saltos de línea.
Forma básica
Un elemento por línea: o una etiqueta, o una frase de la letra. Organiza así el esqueleto de una canción corta:
[intro]
[verse]
La noche se retira lentamente por el alféizar
Guardo las palabras que no dije en el viento
[chorus]
Que este minuto dure un poco más
Un poco más
[outro]
Tres reglas estrictas
- La etiqueta va sola en su línea. En una escritura como
[chorus] Que este minuto dure un poco más, el texto posterior a la etiqueta queda en una posición donde se descarta; lo correcto es dividirlo en dos líneas. - No añadas comentarios en la línea de la etiqueta. La línea de la etiqueta no debe contener ningún texto explicativo además de la etiqueta; la intención de arreglos debe ir en prompt.
- Escribe la letra dentro de una misma sección línea por línea. Cada línea corresponde a una unidad natural de canto; el número de líneas es en sí mismo parte de la información rítmica. Mantener un número razonable de líneas en las secciones de una canción corta produce resultados más limpios que acumular frases largas.
Plantilla de organización
Para una canción corta, se recomienda esta jerarquía: [intro] → [verse] → [chorus] → (opcionalmente repetir [verse] / [chorus]) → [outro]. Las etiquetas de sección son señales de estructura; repetir una etiqueta del mismo tipo le indica al modelo «otra vez la misma sección de rol». En cuanto a qué instrumentos y qué intensidad usar en esta sección, no se escribe aquí, sino en el prompt de la siguiente sección.
Escribir un brief de arreglos por capas con prompt
input.prompt es una descripción musical en texto libre. Las dimensiones controlables mencionadas en la descripción oficial incluyen género, BPM, tonalidad, progresión emocional, detalles vocales y arreglos sección por sección. En lugar de escribir un párrafo enorme de adjetivos de una vez, conviene escribir por capas «primero lo grueso, luego lo fino», de modo que cualquier dimensión que se quiera cambiar pueda sustituirse puntualmente en lugar de reescribir todo el párrafo.
Orden por capas
- Género y atmósfera general: una frase que fije el tono, por ejemplo folk independiente, City Pop, pop narrativo con piano.
- Velocidad y tonalidad: BPM y tonalidad son anclas cuantificables; incluirlos reduce significativamente la aleatoriedad.
- Progresión emocional: indica de qué emoción a qué emoción va toda la pieza, por ejemplo «apertura contenida, elevación en el estribillo, descenso en el tramo final».
- Detalles vocales: timbre, género, proporción de voz aireada, si se añaden coros; son descripciones a nivel vocal.
- Arreglos sección por sección: haz coincidir las descripciones de sección del prompt con las etiquetas de sección de lyrics; especifica instrumentación e intensidad para intro / verse / chorus por separado.
Una plantilla de brief utilizable
Género: pop narrativo liderado por piano
Velocidad y tonalidad: medio-lento, tonalidad menor
Progresión emocional: estrofa contenida, estribillo elevado, final que se recoge
Voz: femenina, textura de micrófono cercano, coros graves en el estribillo
Arreglos: intro solo con piano y sonido ambiental leve; verse añade bajo y percusión ligera; chorus entra la batería completa; outro vuelve al piano
Dos hábitos de escritura
- Los nombres de sección en la descripción coinciden con las etiquetas de la letra. Si en el prompt se dice «chorus entra la batería completa», en lyrics debe haber
[chorus]; con nombres iguales en ambos lados, la alineación del modelo es más directa. - Cada capa solo escribe las decisiones de esa capa. No mezcles requisitos vocales en la línea de género ni metas tres velocidades mutuamente excluyentes en una sola frase. El propósito de las capas es que cada iteración toque solo una.

Duración y semilla aleatoria: el significado real de duration y seed
Ambos son parámetros opcionales, pero a menudo se malinterpretan como «control preciso».
duration: límite superior, no un contrato
input.duration es el límite superior de duración del audio generado, en segundos, por defecto 60, con rango de 1 a 300. La clave es «límite superior»: el modelo puede terminar antes; la longitud de salida no garantiza ser exactamente el valor que introdujiste.
Esto conlleva dos conclusiones prácticas:
- Al hacer canciones cortas, deja un margen respecto a la longitud objetivo; no ajustes duration exactamente a la duración deseada, de lo contrario la probabilidad de que termine antes se convierte directamente en «quedó más corta».
- No uses duration para controlar la estructura. Si quieres que el estribillo aparezca antes, debes cambiar la disposición de secciones en lyrics y los arreglos sección por sección en prompt, no acortar la duración total.
seed: ancla de reproducibilidad
input.seed toma un número entero y se usa para reproducir resultados; si se omite, se usa una semilla aleatoria. Su valor está en hacer comparaciones A/B: con la misma letra y dos versiones de prompt, solicita por separado con una seed fija; las diferencias se atribuyen más fácilmente al brief en sí que a la aleatoriedad.
Ten en cuenta que seed solo cumple la semántica de «reproducible»; no es un control de calidad ni promete que con una seed fija el resultado sea completamente estático, pero como línea base experimental para comparar distintas versiones de brief es la herramienta más sencilla.
Componer una solicitud de canción corta: lista de parámetros y puntos de verificación
Combinando las tres partes anteriores, las rutas de los campos de parámetros de una solicitud de canción corta son fijas:
input.lyrics: obligatorio, texto de la letra + etiquetas de sección en líneas independientes.input.prompt: obligatorio, brief de arreglos por capas.input.duration: opcional, límite superior de duración en segundos, por defecto 60, rango 1–300.input.seed: opcional, entero, para reproducibilidad.
Lista de autoverificación antes de enviar
- ¿Cada etiqueta de sección ocupa su propia línea y no arrastra texto al final de la línea de la etiqueta?
- ¿Se ha colado en lyrics alguna indicación de arreglos, instrumentos o emoción?
- ¿Cubre el prompt las cinco capas: género, velocidad y tonalidad, progresión emocional, voz y arreglos sección por sección?
- ¿Coinciden los nombres de sección del prompt con las etiquetas de lyrics?
- ¿Se ha dejado margen en duration respecto a la longitud objetivo en lugar de tratarlo como valor exacto?
- Si se va a comparar versiones, ¿se ha fijado seed en el mismo número entero?
Repasando los seis puntos se evitan la mayoría de las solicitudes inválidas. Para más detalles sobre campos y formas de llamada, consulta la página del modelo minimax-music-3; en el sitio ya hay artículos con ejemplos paso a paso en curl y Python, que no se repiten aquí.
Modos de fallo comunes y ruta de iteración
Por último, enumera los problemas frecuentes según «síntoma → causa → solución» para facilitar el diagnóstico.
Síntoma 1: falta una sección de la letra
La causa más común es que la etiqueta y el texto están en la misma línea, y el texto de esa línea se descarta. Solo hay una solución: dividir [chorus] letra en dos líneas.
Síntoma 2: se canta contenido que no debería cantarse
Se escribieron requisitos de arreglos en lyrics. Por ejemplo, poner «añadir batería en el estribillo» en el área de la letra puede hacer que se trate como texto cantado. La solución es trasladar todo el contenido que no es letra a la capa de arreglos sección por sección del prompt.
Síntoma 3: la pieza final es más corta de lo esperado
Se usó duration como duración exacta. Es un límite superior; el modelo puede terminar antes. La solución es dejar margen para la longitud objetivo y usar la disposición de secciones para impulsar la estructura, en lugar de recortar duration.
Síntoma 4: el estilo del resultado deriva y no se sabe qué versión es mejor
No se fijó seed ni se escribió el prompt por capas; hay demasiadas variables entre dos solicitudes. La solución es fijar primero seed y luego converger capa por capa en el orden «género → velocidad y tonalidad → emoción → voz → arreglos sección por sección»: en la primera ronda solo define género y velocidad; tras confirmar la dirección, añade la progresión emocional, luego los detalles vocales y, finalmente, ajusta los arreglos sección por sección. Cambia solo una capa por ronda; así cualquier diferencia entre versiones puede atribuirse.
Siguiendo esta ruta, la creación de canciones cortas pasa de «probar suerte repetidamente» a un proceso de convergencia con parámetros claros: lyrics controla qué se canta, prompt controla cómo suena, y duration y seed controlan los límites y la reproducibilidad. Empieza con un esqueleto de letra limpio y un brief grueso, y luego añade detalles capa por capa.
Artículos relacionados
Ver todos los artículos →-
Guía de uso
Guía de generación de imágenes a partir de texto con Nano Banana Basic: formato, espacio en blanco y uso de prompts
Use los campos aspect_ratio y prompt de la interfaz de tareas para generar imágenes con composición clara para pancartas y tarjetas sociales
-
Guía de uso
Práctica de procesamiento de respuestas de Kimi K3: JSON completo, interrupciones de streaming y límites del reintento
-
Guía de uso
GLM 5.3 extracción estructurada en la práctica: cada campo JSON con respaldo en el texto original
Extraer campos con el modo de objeto JSON: frenar los errores antes de almacenarlos mediante valores ausentes, citas y validaciones de negocio