使用指南
MiniMax Music 3 短歌制作指南:歌词、段落标签与编曲简报怎么分开写
以当前契约的双必填输入为基准,设计一段可复现的短歌请求
本页内容
先把两个必填输入分清楚
MiniMax Music 3 在 HiAPI 上只提供一个 text-to-music 任务型能力,没有「先出旋律再填词」这种分步接口。也就是说,一次请求里必须同时给出两样东西:input.lyrics(必填)和 input.prompt(必填),二者不是「一个主用、一个可选补充」的关系,而是两条平行的输入通道,共同决定输出。
把这两个字段的职责边界先固定下来,后面所有写法问题都能归位:
- lyrics = 要被演唱的内容。它回答「唱什么」,只应包含歌词正文和段落结构标签。
- prompt = 对音乐本身的描述。它回答「听起来是什么样」,承载风格、情绪、人声质感、配器与编曲走向。
常见的返工都源于把这两件事写串了:把「副歌加一段鼓点推进」塞进 lyrics,或者把整段歌词贴进 prompt。前者会让歌词被当成演唱内容唱出来或被结构标签规则截断,后者则等于放弃了对演唱文本的显式控制。
再强调一次接口形态:这是一个任务型接口,请求提交后是异步返回结果,参数都挂在 input 下。因此写作顺序建议是——先确定歌词骨架,再写编曲简报,最后用可选参数收口长度和复现性。下一节从 lyrics 开始。

歌词文本与段落标签的正确组织方式
input.lyrics 的规则很短,但踩坑率最高:结构标签(如 [intro]、[verse]、[chorus])必须各自独占一行;与标签写在同一行的正文会被丢弃。这一条几乎解释了大部分「歌词丢了」的反馈——问题不在模型,而在换行。
基本形态
每行一个元素:要么是一个标签,要么是一句歌词。像这样组织一段短歌骨架:
[intro]
[verse]
夜色沿着窗台慢慢退去
我把没说完的话折进风里
[chorus]
就让这一分钟长一点
再长一点
[outro]
三条硬规则
- 标签单独一行。
[chorus] 就让这一分钟长一点这种写法,标签后的正文处于被丢弃的位置,正确做法是断成两行。 - 不要在标签行加注释。标签行除了标签本身不要再放任何说明性文字,编曲意图应写进 prompt。
- 同一段落内的歌词按行写。每行对应一个自然演唱单位,行数本身就是节奏信息的一部分,短歌段落控制在合理行数比堆叠长句更容易得到干净的结果。
组织模板
对一首短歌,推荐这个层级:[intro] → [verse] → [chorus] →(可选 [verse] / [chorus] 重复)→ [outro]。段落标签是结构信号,重复出现同类标签就是在告诉模型「再来一遍同样的角色段落」。至于这段到底用什么乐器、什么力度,不写在这里,写在下一节的 prompt 里。
用 prompt 写一份分层编曲简报
input.prompt 是自由文本的音乐描述。官方描述里点明的可控维度包括流派、BPM、调性、情绪推进、人声细节与逐段编曲。与其一次写一大段形容词,不如按「先粗后细」分层写,这样任何一个维度要改时都能定点替换,而不是整段重写。
分层顺序
- 流派与整体气质:一句话定基调,例如独立民谣、City Pop、钢琴叙事流行。
- 速度与调性:BPM 与调性属于可量化的锚点,写上去能显著压缩随机性。
- 情绪推进:说明整首从什么情绪走到什么情绪,例如「克制开场、副歌抬升、尾段回落」。
- 人声细节:音色、性别、气声比例、是否加和声,属于人声层面的描述。
- 逐段编曲:把 prompt 里的段落描述和 lyrics 里的段落标签对上,按 intro / verse / chorus 分别说清配器与力度。
一个可用的简报模板
流派:钢琴主导的叙事流行
速度与调性:中慢速,小调
情绪推进:主歌克制、副歌抬升、结尾收束
人声:女声,近距离近麦质感,副歌加入低音和声
编曲:intro 只有钢琴与轻微环境声;verse 加入低音与轻打击;chorus 进入完整鼓组;outro 回到钢琴
两个写作习惯
- 段落描述与歌词标签同名。prompt 里说「chorus 进入完整鼓组」,lyrics 里就要有
[chorus],两边名字一致,模型对齐起来更直接。 - 每层只写该层的决定。不要在流派那一行混入人声要求,也不要在一句话里塞三个互斥的速度。分层的目的就是让每次迭代只动一层。

时长与随机种子:duration 与 seed 的实际含义
这两个都是可选参数,但它们经常被误读成「精确控制」。
duration:上限,不是契约
input.duration 是生成音频的时长上限,单位为秒,默认 60,取值范围 1–300。关键点是「上限」:模型可能提前结束,输出长度不保证正好等于你填的数值。
这带来两个实践结论:
- 做短歌时按目标长度再留一点余量,不要把 duration 卡得和目标时长严丝合缝,否则被提前结束的概率直接变成「短了一截」。
- 不要用 duration 去控制结构。想让副歌更早出现,应该改 lyrics 的段落排布和 prompt 的逐段编曲,而不是缩短总时长。
seed:复现的锚点
input.seed 取整数,用于结果复现;省略时使用随机种子。它的价值在于做 A/B 对比:把同一段 lyrics 配两版 prompt,在固定 seed 下分别请求,差异更容易归因到简报本身,而不是归因到随机性。
注意 seed 只负责「可复现」这一层语义,它不是质量旋钮,也不承诺固定 seed 下结果完全静止——但作为对比不同简报版本的实验基线,它是最省事的工具。
组合成一次短歌请求:参数清单与检查项
把前面三部分合起来,一次短歌请求的参数字段路径是固定的:
input.lyrics:必填,歌词正文 + 独占一行的段落标签。input.prompt:必填,分层编曲简报。input.duration:可选,时长上限,单位秒,默认 60,范围 1–300。input.seed:可选,整数,用于复现。
提交前自检清单
- 每个段落标签是否都独占一行,标签行末尾没有拖正文?
- lyrics 里是否混入了任何编曲、乐器、情绪说明?
- prompt 是否覆盖了流派、速度调性、情绪推进、人声、逐段编曲这五层?
- prompt 里的段落名与 lyrics 里的标签名是否对得上?
- duration 是否给目标长度留了余量,而不是当成精确值?
- 如果要做版本对比,seed 是否已经固定成同一个整数?
六条都过一遍,基本可以避免大部分无效请求。更细的字段与调用方式可以对照 minimax-music-3 模型页 查看,站内已有 curl 与 Python 的逐步示例文章,这里不再重复。
常见失败模式与迭代路径
最后把高频问题按「症状 → 原因 → 修法」列清,方便排查。
症状一:歌词少了一段
最常见原因是标签与正文同行,同行正文被丢弃。修法只有一个:把 [chorus] 歌词 断成两行。
症状二:唱出了不该唱的内容
编曲要求被写进了 lyrics。例如把「副歌加鼓」放在歌词区,它可能被当作演唱文本处理。修法是把所有非歌词内容迁到 prompt 的逐段编曲层。
症状三:成品比预期短
duration 被当成精确时长使用。它是上限,模型可能提前结束。修法是为目标长度留余量,并用段落排布去推动结构,而不是压 duration。
症状四:结果风格漂移,说不清哪一版更好
没有固定 seed,也没有分层写 prompt,两次请求之间变量太多。修法是先固定 seed,再按「流派 → 速度调性 → 情绪 → 人声 → 逐段编曲」的顺序逐层收敛:第一轮只定流派和速度,确认方向后加情绪推进,再补人声细节,最后细调逐段编曲。每轮只改一层,任何一版的差异都能归因。
按这个路径走,短歌制作就从「反复试运气」变成了一个参数清晰的收敛过程:lyrics 管唱什么,prompt 管听起来怎样,duration 和 seed 管边界与复现。先从一段干净的歌词骨架加一份粗简报开始,再逐层加细节即可。