> ## Documentation Index
> Fetch the complete documentation index at: https://docs.comfy.org/llms.txt
> Use this file to discover all available pages before exploring further.

# MiniMax Music 3 en ComfyUI: generación de música con IA

> Aprende a usar MiniMax Music 3 en ComfyUI para generar canciones completas de hasta 5 minutos a partir de un caption musical estructurado y una letra.

![MiniMax Music 3](https://raw.githubusercontent.com/MiniMax-AI/MiniMax-Music3/main/figures/Music3.png)

[MiniMax Music 3](https://github.com/MiniMax-AI/MiniMax-Music3) es el modelo de generación musical de MiniMax para crear canciones completas de hasta **cinco minutos** de duración. Condicionado por una letra y una descripción musical detallada, produce canciones estructuralmente coherentes con voces expresivas, arreglos que evolucionan y una calidad de audio estable en formatos largos. Puedes explorar ejemplos generados en la [página de demostración oficial](https://minimax-ai.github.io/music3-demo/).

MiniMax Music 3 utiliza una arquitectura autoregresiva jerárquica con un LLM global de 8B para la estructura musical de largo alcance, un LLM local de 0.6B para el detalle acústico a nivel de fotograma y un sistema de síntesis de estados ocultos continuos basado en Flow Matching y un Flow-VAE. Genera audio estéreo de 32 kHz y 16 bits. Los pesos del modelo están disponibles bajo la [Licencia Comunitaria de MiniMax-Music3](https://huggingface.co/MiniMaxAI/MiniMax-Music3/blob/main/LICENSE).

ComfyUI es compatible de forma nativa con MiniMax Music 3 mediante un flujo de trabajo de ejemplo oficial: **MiniMax Music 3 Text to Music**.

> [!TIP]
>
> **Usuarios locales**
>
> Asegúrate de que tu ComfyUI esté actualizado.
>
> * [Descargar ComfyUI](https://www.comfy.org/download)
> * [Guía de actualización](https://docs.comfy.org/es/installation/update_comfyui.md)
>
> Los flujos de trabajo de esta guía se encuentran en las [Plantillas de flujos de trabajo](https://docs.comfy.org/es/interface/features/template.md).
> Si no los encuentras en las plantillas, es posible que tu ComfyUI esté desactualizado.
>
> Si faltan nodos al cargar un flujo de trabajo, estas son las posibles razones:
>
> 1. No estás usando la última versión de ComfyUI (versión nocturna)
> 2. Algunos nodos fallaron al importarse durante el inicio
>
> **Usuarios de Cloud**
>
> * [Cloud](https://cloud.comfy.org) se actualizará después del lanzamiento estable de ComfyUI.
>
> Por lo tanto, si notas que falta algún nodo central en este documento, puede deberse a que los nuevos nodos centrales aún no se han publicado en la última versión estable. Espera al próximo lanzamiento estable.

> [!NOTE]
>
> La [Licencia Comunitaria](https://huggingface.co/MiniMaxAI/MiniMax-Music3/blob/main/LICENSE) permite el uso comercial a empresas con ingresos anuales inferiores a 20 millones de USD. Por encima de ese umbral, el uso comercial requiere una [licencia comercial de MiniMax](https://comfy.org/minimax/license), disponible a través de Comfy, el único distribuidor oficial.

## Características principales

* **Canciones completas**: Genera pistas completas de hasta 5 minutos con intro, verso, preestribillo, estribillo, puente, interludio instrumental y outro
* **Control de dos entradas**: Una **Caption** estructurada define el estilo musical, el estado de ánimo, las voces y el arreglo, mientras que **Lyrics**, con etiquetas de sección (`[Intro]`, `[Verse]`, `[Chorus]`, `[Bridge]`, `[Instrumental]`, `[Outro]`), controla la estructura de la canción
* **Coherencia de largo alcance**: Mantiene los temas musicales, el ritmo, la identidad vocal y la progresión del arreglo a lo largo de secuencias largas
* **Voces expresivas**: Síntesis vocal natural con control sobre la melodía, la pronunciación y las armonías superpuestas
* **Pesos abiertos**: Ejecútalo localmente en ComfyUI con control total sobre cada parámetro

## Primeros pasos

MiniMax Music 3 es compatible con ComfyUI con pesos abiertos. Para empezar:

1. Actualiza ComfyUI a la última versión
2. Ve a **Biblioteca de plantillas** > **Audio** > elige el flujo de trabajo **MiniMax Music 3**
3. Sigue la ventana emergente para descargar los modelos y ejecutar el flujo de trabajo

Los archivos de modelo listos para ComfyUI (modelo de difusión reempaquetado, text encoder y VAE) están alojados en Hugging Face en el repositorio [Comfy-Org/MiniMax-Music-3](https://huggingface.co/Comfy-Org/MiniMax-Music-3). Los pesos originales del modelo están disponibles en el repositorio [MiniMaxAI/MiniMax-Music3](https://huggingface.co/MiniMaxAI/MiniMax-Music3).

## Flujo de trabajo de texto a música de MiniMax Music 3

Genera una canción completa a partir de un caption musical estructurado y una letra.

![Vista previa del flujo de trabajo de texto a música de MiniMax Music 3](https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/thumbnail/audio_minimax_music_3.png)

> **[Ejecutar en Comfy Cloud](https://cloud.comfy.org/?template=audio_minimax_music_3\&utm_source=docs\&utm_medium=referral\&utm_campaign=minimax-music-3)**
>
> Abrir en Comfy Cloud

> **[Descargar flujo de trabajo](https://github.com/Comfy-Org/workflow_templates/blob/main/templates/audio_minimax_music_3.json)**
>
> Descarga el JSON o busca "MiniMax Music 3" en la Biblioteca de plantillas

El flujo de trabajo toma dos entradas de texto y produce una canción terminada. El text encoder genera la secuencia de conditioning acústico a partir del caption y la letra, el modelo de difusión sintetiza el latent de audio y el VAE de audio lo decodifica en una pista estéreo de 32 kHz guardada como MP3.

**Controles del flujo de trabajo**:

* **Caption**: La descripción musical. Escríbela en tres secciones: **Global Metadata** (género, BPM, tonalidad, escala, progresión emocional, contexto de escucha, perfil de producción), **Vocal Details** (género de la voz, timbre, estilo interpretativo, armonías, efectos vocales) y **Arrangement** (instrumentos principales y secundarios, groove, bajo, percusión, texturas, efectos espaciales). Cuanto más específico seas, más cerca quedará el resultado
* **Lyrics**: La letra que se va a cantar, con etiquetas de sección como `[Intro]`, `[Verse]`, `[Chorus]`, `[Bridge]`, `[Instrumental]` y `[Outro]`. Las etiquetas son las instrucciones estructurales; el texto de la letra transmite el estado de ánimo
* **max\_duration**: Duración objetivo de la canción en segundos (la plantilla usa 60 segundos por defecto; el modelo admite hasta unos 300 segundos / 5 minutos). Las canciones más largas consumen más tiempo y VRAM
* **seed**: Semilla aleatoria de la generación. Mantenla fija para reproducir la misma canción; cámbiala para obtener otra versión
* **tiled\_decode**: Decodifica el VAE de audio en mosaicos superpuestos para reducir el uso de VRAM, útil en canciones largas con GPU de poca VRAM. Es algo más lento y con un pequeño riesgo de costuras en los bordes de los mosaicos. Desactívalo en GPU con mucha VRAM para obtener la mejor calidad

### Descarga de modelos

> **[Modelo de difusión (FP16)](https://huggingface.co/Comfy-Org/MiniMax-Music-3/resolve/main/diffusion_models/minimax_music3_dit_fp16.safetensors)**
>
> minimax\_music3\_dit\_fp16.safetensors → ComfyUI/models/diffusion\_models/

> **[Modelo de difusión (INT8)](https://huggingface.co/Comfy-Org/MiniMax-Music-3/resolve/main/diffusion_models/minimax_music3_dit_int8_convrot.safetensors)**
>
> minimax\_music3\_dit\_int8\_convrot.safetensors → ComfyUI/models/diffusion\_models/ (para poca VRAM)

> **[Codificador de texto (INT8)](https://huggingface.co/Comfy-Org/MiniMax-Music-3/resolve/main/text_encoders/minimax_music3_text_encoder_pruned_int8_convrot.safetensors)**
>
> minimax\_music3\_text\_encoder\_pruned\_int8\_convrot.safetensors → ComfyUI/models/text\_encoders/

> **[VAE](https://huggingface.co/Comfy-Org/MiniMax-Music-3/resolve/main/vae/minimax_music3_dav.safetensors)**
>
> minimax\_music3\_dav.safetensors → ComfyUI/models/vae/

Coloca los archivos en los siguientes directorios:

```
📂 ComfyUI/
├── 📂 models/
│   ├── 📂 diffusion_models/
│   │   ├── minimax_music3_dit_fp16.safetensors
│   │   └── minimax_music3_dit_int8_convrot.safetensors
│   ├── 📂 text_encoders/
│   │   └── minimax_music3_text_encoder_pruned_int8_convrot.safetensors
│   └── 📂 vae/
│       └── minimax_music3_dav.safetensors
```

### Consejos para escribir prompts

1. **Estructura el caption en tres secciones**: Global Metadata, Vocal Details y Arrangement. El modelo no solo sigue un estilo global, sino también el desarrollo musical de la canción a lo largo del tiempo
2. **Usa etiquetas de sección en la letra**: `[Intro]`, `[Verse]`, `[Pre-Chorus]`, `[Chorus]`, `[Post-Chorus]`, `[Bridge]`, `[Instrumental]`, `[Solo]` y `[Outro]` le dan al modelo un control estructural explícito
3. **Deja las etiquetas como las únicas instrucciones estructurales**: las etiquetas son ejecutables; el texto de la letra por sí mismo transmite el estado de ánimo, no la estructura
4. **Equilibra duración y recursos**: las canciones más largas consumen más tiempo y VRAM. Usa el modelo de difusión INT8 y la decodificación por mosaicos para canciones largas en GPU de poca VRAM

#### Guía para escribir prompts

La [página de demos oficial](https://minimax-ai.github.io/music3-demo/) muestra 26 pistas de ejemplo de 11 géneros (pop, rock, R\&B, hip-hop, dance pop, country, soul, funk, blues, bossa nova y urbano), cada una con su caption estructurado completo escrito en el formato Global Metadata / Vocal Details / Arrangement. Úsalas como referencia para escribir tus propios captions.

MiniMax también publica una [skill oficial de reescritura de captions musicales](https://github.com/MiniMax-AI/MiniMax-Music3) que convierte una descripción musical breve y una letra con etiquetas opcional en un caption estructurado detallado de Music 3.0. La skill construye un arreglo coherente sección por sección, con metadatos globales, detalles vocales y descripciones del arreglo, y respeta las restricciones musicales explícitas mientras mantiene el texto de la letra en la entrada de lyrics. Instálala con:

```bash theme={null}
npx skills add MiniMax-AI/MiniMax-Music3 --skill music-caption-rewriter
```

## Salida

La canción generada se guarda en `ComfyUI/output/audio/audio_minimax_music3.mp3` (o con el nombre de archivo definido en el nodo SaveAudioAdvanced).


This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.