HiAPI
Блог

Руководство по использованию

MiniMax Music 3: руководство по созданию коротких песен: как разделять текст песни, теги секций и брифинг по аранжировке

На основе двух обязательных входных параметров текущего контракта спроектируйте воспроизводимый запрос короткой песни

Nov 18, 2026
Обложка статьи: геометрия минерального среза в виде плоских граней на тёмно-бирюзовом фоне, с чередованием бирюзовых и тёмно-зелёных оттенков, сдержанный стиль.
На этой странице

Сначала разграничьте два обязательных входных параметра

MiniMax Music 3 на HiAPI предоставляет только одну задачу text-to-music и не имеет пошагового интерфейса наподобие «сначала мелодия, потом текст». Это значит, что в одном запросе обязательно должны быть указаны две вещи: input.lyrics (обязательный) и input.prompt (обязательный). Они не находятся в отношении «один основной, другой — необязательное дополнение», а представляют собой два параллельных входных канала, которые совместно определяют результат.

Зафиксируйте границы ответственности этих двух полей заранее — тогда все последующие вопросы написания встанут на свои места:

  • lyrics = то, что будет исполнено. Он отвечает на вопрос «что петь» и должен содержать только текст песни и теги структуры секций.
  • prompt = описание самой музыки. Он отвечает на вопрос «как это звучит» и несёт стиль, эмоции, тембр вокала, инструментовку и ход аранжировки.

Типичные переделки возникают из-за смешения этих двух вещей: «в припев добавить секцию с нарастанием ударных» вставляют в lyrics, либо весь текст песни вставляют в prompt. В первом случае строки будут спеты как исполняемый текст или обрезаны правилами тегов секций, во втором — вы фактически отказываетесь от явного контроля над исполняемым текстом.

Ещё раз подчеркнём форму интерфейса: это task-интерфейс, после отправки запроса результат возвращается асинхронно, параметры находятся под input. Поэтому рекомендуемый порядок написания: сначала определить каркас текста песни, затем написать брифинг по аранжировке, и в конце зафиксировать длительность и воспроизводимость с помощью необязательных параметров. Следующий раздел начинается с lyrics.

Два чётко разделённых входных канала — один для текста песни, другой для описания музыки — в итоге сливаются в один запрос генерации.

Правильная организация текста песни и тегов секций

Правила input.lyrics короткие, но именно здесь чаще всего возникают ошибки: теги структуры (например, [intro], [verse], [chorus]) должны каждый занимать отдельную строку; текст, написанный в одной строке с тегом, отбрасывается. Это правило объясняет почти все отзывы о «пропавшем тексте» — проблема не в модели, а в переносе строки.

Базовая форма

По одному элементу на строку: либо тег, либо строка текста песни. Например, так можно организовать каркас короткой песни:

[intro]
[verse]
Ночная тень медленно уходит с подоконника
Я складываю несказанные слова в ветер
[chorus]
Пусть эта минута будет чуть длиннее
Ещё чуть длиннее
[outro]

Три жёстких правила

  1. Тег на отдельной строке. При записи вида [chorus] Пусть эта минута будет чуть длиннее текст после тега оказывается в позиции, которая отбрасывается; правильный способ — разбить на две строки.
  2. Не добавляйте комментарии в строку тега. В строке тега, кроме самого тега, не должно быть никаких пояснительных слов; намерения по аранжировке следует писать в prompt.
  3. Текст внутри одной секции пишите построчно. Каждая строка соответствует одной естественной вокальной единице, а количество строк само по себе является частью ритмической информации; для короткой песни держать секции в разумном количестве строк легче, чем нагромождать длинные фразы — так результат получается чище.

Шаблон организации

Для короткой песни рекомендуется такая иерархия: [intro] → [verse] → [chorus] → (необязательное повторение [verse] / [chorus]) → [outro]. Теги секций — это структурные сигналы; повторное появление однотипного тега сообщает модели «повтори такую же ролевую секцию». А какие именно инструменты и какая динамика в этой секции — пишется не здесь, а в prompt из следующего раздела.

Напишите с помощью prompt многоуровневый брифинг по аранжировке

input.prompt — это свободный текст с описанием музыки. В официальном описании указаны такие управляемые измерения, как жанр, BPM, тональность, развитие эмоций, детали вокала и потактовая аранжировка. Вместо того чтобы сразу писать большой абзац прилагательных, лучше писать послойно «сначала грубо, потом детально» — тогда при необходимости изменить любое измерение можно точечно заменить его, а не переписывать весь абзац.

Порядок слоёв

  1. Жанр и общее настроение: одна фраза задаёт тон, например инди-фолк, City Pop, фортепианный повествовательный поп.
  2. Темп и тональность: BPM и тональность — количественные якоря; их указание заметно снижает случайность.
  3. Развитие эмоций: опишите, от какой эмоции к какой идёт вся песня, например «сдержанное начало, подъём в припеве, спад в финале».
  4. Детали вокала: тембр, пол, доля придыхания, наличие гармоний — описание на уровне вокала.
  5. Потактовая аранжировка: сопоставьте описания секций в prompt с тегами секций в lyrics и отдельно укажите инструментовку и динамику для intro / verse / chorus.

Рабочий шаблон брифинга

Жанр: повествовательный поп с ведущим фортепиано
Темп и тональность: средне-медленный, минор
Развитие эмоций: куплет сдержанный, припев с подъёмом, финал с затуханием
Вокал: женский, близкий к микрофону, в припеве добавляются низкие гармонии
Аранжировка: в intro только фортепиано и лёгкий фоновый эмбиент; в verse добавляются бас и лёгкая перкуссия; в chorus вступает полная ударная установка; в outro возвращается фортепиано

Две привычки написания

  • Названия секций в описании совпадают с тегами в тексте песни. Если в prompt сказано «в chorus вступает полная ударная установка», то в lyrics должен быть [chorus]; одинаковые названия с обеих сторон упрощают выравнивание для модели.
  • Каждый слой содержит только решения этого слоя. Не смешивайте требования к вокалу в строке жанра и не вставляйте в одну фразу три взаимоисключающих темпа. Смысл слоёв в том, чтобы каждая итерация затрагивала только один слой.
От нижнего слоя жанра и темпа — к развитию эмоций, деталям вокала и, наконец, к верхнему слою потактовой аранжировки: брифинг по аранжировке складывается послойно от грубого к детальному.

Длительность и случайное зерно: практический смысл duration и seed

Оба параметра необязательны, но их часто ошибочно понимают как «точное управление».

duration: верхняя граница, а не контракт

input.duration — это верхняя граница длительности генерируемого аудио, в секундах, по умолчанию 60, диапазон 1–300. Ключевое слово — «верхняя граница»: модель может завершить раньше, и длина вывода не гарантируется точно равной указанному значению.

Отсюда два практических вывода:

  • Для короткой песни оставляйте небольшой запас относительно целевой длины; не задавайте duration впритык к целевому времени, иначе вероятность досрочного завершения напрямую превратится в «получилось короче».
  • Не используйте duration для управления структурой. Если хотите, чтобы припев наступил раньше, меняйте расположение секций в lyrics и потактовую аранжировку в prompt, а не сокращайте общую длительность.

seed: якорь воспроизводимости

input.seed принимает целое число и используется для воспроизведения результата; если не указан, используется случайное зерно. Его ценность — в A/B-сравнении: возьмите один и тот же текст песни lyrics с двумя версиями prompt и запросите их по отдельности с фиксированным seed — тогда различия легче отнести к самому брифингу, а не к случайности.

Учтите, что seed отвечает только за семантику «воспроизводимости»: это не регулятор качества и не гарантия полностью неизменного результата при фиксированном seed — но как экспериментальная база для сравнения разных версий брифинга это самый простой инструмент.

Сборка одного запроса короткой песни: список параметров и проверочные пункты

Объединяя три предыдущих раздела, путь параметров одного запроса короткой песни фиксирован:

  • input.lyrics: обязательный, текст песни + теги секций, каждый на отдельной строке.
  • input.prompt: обязательный, многоуровневый брифинг по аранжировке.
  • input.duration: необязательный, верхняя граница длительности, в секундах, по умолчанию 60, диапазон 1–300.
  • input.seed: необязательный, целое число, для воспроизведения.

Чек-лист перед отправкой

  1. Каждый ли тег секции находится на отдельной строке, и в конце строки с тегом нет текста?
  2. Не попали ли в lyrics какие-либо указания по аранжировке, инструментам или эмоциям?
  3. Покрывает ли prompt все пять слоёв: жанр, темп и тональность, развитие эмоций, вокал, потактовую аранжировку?
  4. Совпадают ли названия секций в prompt с названиями тегов в lyrics?
  5. Оставлен ли в duration запас относительно целевой длины, а не задано ли точное значение?
  6. Если планируется сравнение версий, зафиксирован ли seed одним и тем же целым числом?

Если пройти по всем шести пунктам, большинства недействительных запросов удастся избежать. Более подробные сведения о полях и способах вызова можно посмотреть на странице модели minimax-music-3; на сайте уже есть статьи с пошаговыми примерами на curl и Python, здесь они не повторяются.

Типичные сценарии сбоя и путь итераций

В завершение перечислим частые проблемы в формате «симптом → причина → исправление» для удобства диагностики.

Симптом 1: в тексте песни не хватает секции

Самая частая причина — тег и текст находятся на одной строке, и текст в этой строке отбрасывается. Исправление одно: разбить [chorus] текст на две строки.

Симптом 2: спето то, что петь не должно

Требования по аранжировке были записаны в lyrics. Например, «в припев добавить барабаны» помещено в область текста песни — это может быть обработано как исполняемый текст. Исправление — перенести всё, что не является текстом песни, в слой потактовой аранжировки в prompt.

Симптом 3: результат короче ожидаемого

duration использован как точная длительность. Это верхняя граница, и модель может завершить раньше. Исправление — оставить запас относительно целевой длины и продвигать структуру через расположение секций, а не урезать duration.

Симптом 4: стиль результата уходит в сторону, непонятно, какая версия лучше

Нет фиксированного seed и нет послойно написанного prompt — между двумя запросами слишком много переменных. Исправление: сначала зафиксировать seed, затем сходиться послойно в порядке «жанр → темп и тональность → эмоции → вокал → потактовая аранжировка»: в первом раунде задать только жанр и темп, после подтверждения направления добавить развитие эмоций, затем детали вокала и в конце тонко настроить потактовую аранжировку. Меняйте только один слой за раунд — тогда различия любой версии можно будет объяснить.

Двигаясь по этому пути, создание короткой песни превращается из «повторных попыток на удачу» в процесс сходимости с понятными параметрами: lyrics управляет тем, что петь, prompt — тем, как это звучит, duration и seed — границами и воспроизводимостью. Начните с чистого каркаса текста песни и грубого брифинга, а затем послойно добавляйте детали.

Похожие статьи

Все статьи →

Начните работать с постоянными артефактами ИИ

Получите API-ключ и вызывайте модели изображений, видео и аудио через один API на основе tasks.

Читать документацию API