> ## 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. # ComfyUI の MiniMax Music 3: AI 音楽生成 > 構造化された音楽キャプションと歌詞から、最大5分間の完全な曲を生成するために ComfyUI で MiniMax Music 3 を使用する方法を学びます。

[MiniMax Music 3](https://github.com/MiniMax-AI/MiniMax-Music3) は、最長 **5分**の完全な楽曲を生成するための MiniMax の音楽生成モデルです。歌詞と詳細な音楽の説明を条件として、表情豊かなボーカル、展開するアレンジ、安定した長時間オーディオ品質を備えた、構造的に一貫性のある楽曲を生成します。[公式デモページ](https://minimax-ai.github.io/music3-demo/)で生成済みの例を確認できます。 MiniMax Music 3 は、階層的自己回帰アーキテクチャを採用しており、長期的な楽曲構造を担う 8B のグローバル LLM、フレームレベルの音響詳細を担う 0.6B のローカル LLM、そして Flow Matching と Flow-VAE に基づく連続的な隠れ状態合成システムを備えています。32 kHz、16ビットのステレオオーディオを出力します。モデルの重みは、[MiniMax-Music3 コミュニティライセンス](https://huggingface.co/MiniMaxAI/MiniMax-Music3/blob/main/LICENSE)の下で利用可能です。 ComfyUI は、公式のサンプルワークフロー **MiniMax Music 3 Text to Music** を使用して、MiniMax Music 3 をネイティブにサポートしています。 ComfyUI が最新版に更新されていることを確認してください。 * [ComfyUI のダウンロード](https://www.comfy.org/download) * [更新手順](/ja/installation/update_comfyui) このガイドで紹介するワークフローは、[ワークフローテンプレート](/ja/interface/features/template)から入手できます。テンプレート内に該当のワークフローが見つからない場合、ComfyUI のバージョンが古くなっている可能性があります。ワークフローを読み込んだ際にノードが欠落している場合の考えられる原因： 1. 最新の ComfyUI（Nightly 版）を使用していない 2. 起動時に一部のノードのインポートに失敗している * [Cloud](https://cloud.comfy.org) は、ComfyUI の安定版リリース後に更新されます。したがって、このドキュメントでコアノードが見つからない場合、それは新しいコアノードがまだ最新の安定版にリリースされていない可能性があります。次回の安定版リリースをお待ちください。 ## 主な機能 * **完全な楽曲**: イントロ、バース、プリコーラス、コーラス、ブリッジ、間奏、アウトロを含む、最大5分間の完全なトラックを生成 * **2つの入力による制御**: 構造化された**キャプション**が音楽スタイル、ムード、ボーカル、アレンジを定義し、セクションタグ（`[Intro]`、`[Verse]`、`[Chorus]`、`[Bridge]`、`[Instrumental]`、`[Outro]`）付きの**歌詞**が楽曲の構造を制御 * **長期的な一貫性**: 長いシーケンスにわたって音楽テーマ、リズム、ボーカルの個性、アレンジの進行を維持 * **表現豊かなボーカル**: メロディー、発音、レイヤードハーモニーの制御を備えた自然なボーカル合成 * **オープンウェイト**: ComfyUIでローカルに実行し、すべてのパラメーターを完全に制御 ## はじめに MiniMax Music 3 は、オープンウェイトで ComfyUI にてサポートされています。はじめるには： 1. ComfyUI を最新バージョンにアップデートします 2. **テンプレートライブラリ** > **オーディオ** に移動し、**MiniMax Music 3** ワークフローを選択します 3. ポップアップに従ってモデルをダウンロードし、ワークフローを実行します ComfyUI 対応のモデルファイル（再パックされた diffusion モデル、テキストエンコーダー、VAE）は、Hugging Face の [Comfy-Org/MiniMax-Music-3](https://huggingface.co/Comfy-Org/MiniMax-Music-3) リポジトリでホストされています。オリジナルのモデルウェイトは、[MiniMaxAI/MiniMax-Music3](https://huggingface.co/MiniMaxAI/MiniMax-Music3) リポジトリから入手できます。 ## MiniMax Music 3 テキストから音楽生成ワークフロー構造化された音楽キャプションと歌詞から、完成した楽曲を生成します。

JSON をダウンロード、またはテンプレートライブラリで「MiniMax Music 3」を検索このワークフローは 2 つのテキスト入力を受け取り、完成した楽曲を出力します。テキストエンコーダーがキャプションと歌詞から音響コンディショニング系列を生成し、拡散モデルが音声潜在表現を合成し、オーディオ VAE がそれを 32 kHz ステレオトラックにデコードして MP3 として保存します。 **ワークフロー制御パラメータ**： * **Caption（キャプション）**：音楽の説明。**Global Metadata（グローバルメタデータ）**（ジャンル、BPM、調、音階、感情の流れ、リスニングシナリオ、制作プロファイル）、**Vocal Details（ボーカル詳細）**（ボーカルの性別、音色、歌唱スタイル、ハーモニー、ボーカルエフェクト）、**Arrangement（アレンジ）**（主要・副次楽器、グルーヴ、ベース、パーカッション、テクスチャ、空間効果）の 3 つのセクションで記述します。具体的なほど結果が意図に近づきます * **Lyrics（歌詞）**：歌う言葉。`[Intro]`、`[Verse]`、`[Chorus]`、`[Bridge]`、`[Instrumental]`、`[Outro]` などのセクションタグを使用できます。タグが構造の指示であり、歌詞テキスト自体はムードを伝えます * **max\_duration**：目標とする楽曲の長さ（秒）（テンプレートのデフォルトは 60 秒。モデルは約 300 秒 / 5 分まで対応）。曲が長いほど時間と VRAM を消費します * **seed**：生成のランダムシード。固定すると同じ曲を再現でき、変更すると別のテイクが得られます * **tiled\_decode**：オーディオ VAE を重複タイルでデコードし、VRAM 使用量を大幅に削減します。低 VRAM GPU での長い曲に有効です。少し遅くなり、タイル境界に継ぎ目が生じるリスクがわずかにあります。高 VRAM GPU ではオフにして最高品質を得るのがおすすめです ### モデルのダウンロード minimax\_music3\_dit\_fp16.safetensors → ComfyUI/models/diffusion\_models/ minimax\_music3\_dit\_int8\_convrot.safetensors → ComfyUI/models/diffusion\_models/（低 VRAM 向け） minimax\_music3\_text\_encoder\_pruned\_int8\_convrot.safetensors → ComfyUI/models/text\_encoders/ minimax\_music3\_dav.safetensors → ComfyUI/models/vae/ ファイルを次のディレクトリに配置します： ``` 📂 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 ``` ### プロンプト作成のヒント 1. **キャプションを 3 つのセクションで構成**：Global Metadata、Vocal Details、Arrangement。モデルは全体のスタイルだけでなく、時間とともに展開する楽曲の音楽的発展も追従します 2. **歌詞にセクションタグを使用**：`[Intro]`、`[Verse]`、`[Pre-Chorus]`、`[Chorus]`、`[Post-Chorus]`、`[Bridge]`、`[Instrumental]`、`[Solo]`、`[Outro]` でモデルに明確な構造制御を与えます 3. **タグを唯一の構造指示にする**：タグは実行可能な指示です。歌詞テキスト自体は構造ではなくムードを伝えます 4. **長さとリソースのバランス**：曲が長いほど時間と VRAM を消費します。低 VRAM GPU で長い曲を生成する場合は、INT8 拡散モデルとタイルデコードを使用します #### プロンプト作成ガイド [公式デモページ](https://minimax-ai.github.io/music3-demo/)では、11 ジャンル（ポップ、ロック、R\&B、ヒップホップ、ダンスポップ、カントリー、ソウル、ファンク、ブルース、ボサノバ、アーバン）にわたる 26 曲のサンプルを紹介しており、各曲に Global Metadata / Vocal Details / Arrangement 形式で書かれた完全な構造化キャプションが付いています。独自のキャプションを作成する際の参考にしてください。 MiniMax は公式の[音楽キャプションリライタースキル](https://github.com/MiniMax-AI/MiniMax-Music3)も公開しています。簡潔な音楽説明と任意のタグ付き歌詞を、詳細な Music 3.0 構造化キャプションに変換します。このスキルはグローバルメタデータ、ボーカル詳細、アレンジ説明を含む一貫したセクション構成を構築し、明示的な音楽的制約を保持しつつ、歌詞テキストは歌詞入力に残します。インストール方法： ```bash theme={null} npx skills add MiniMax-AI/MiniMax-Music3 --skill music-caption-rewriter ``` ## 出力生成済みの曲は `ComfyUI/output/audio/audio_minimax_music3.mp3` に保存されます（または SaveAudioAdvanced ノードで設定したファイル名）。