MiniMax Music 3 本地部署：免费文本生成音乐
本文详细介绍了 MiniMax Music 开源音乐模型的本地部署与使用教程。该模型是目前效果最好的开源音乐生成模型之一，满血版仅 9.8G，量化版仅 2.5G，可在消费级 GPU 上流畅运行，一次生成最长五分钟的完整歌曲（含前奏、副歌等）。文章手把手指导用户下载安装最新版 ComfyUI，配置主模型（FP16/Int8）、文本编码器和 VAE 模型，导入官方工作流，并通过填写音乐风格描述和歌词快速生成音乐。实测生成 60 秒音乐仅需数十秒，三分钟歌曲约一分钟。同时支持中文歌词，并可借助 ChatGPT/DeepSeek 等 AI 辅助编写歌词与编曲。所有资源完全免费开源，生成的音乐无版权限制，适合创作者无限使用。
大家好，这里是零度解说。您现在听到的这首歌，它完全是由开源的模型本地生成的，无任何限制，完全免费。因为就在前几天，MiniMax Music 正式开源发布，这应该是目前声音效果最好的开源音乐模型了。关键是它非常小巧，完整的满血版模型只有 9.8G 左右，量化的 Int8 版本仅仅只有 2.5G，也就意味着，你几乎可以在任何消费级 GPU 上生成完整连贯的自然人声歌曲，而且一次性可以生成五分钟左右。我们只要给它歌词和一段风格描述，像前奏、副歌、桥段、完整歌曲，轻松帮我们搞定。官方还开源了一千多个模板和扩写技能，生成音乐无任何版权问题，自己生成放心用，而且是完全免费的。同时，你还可以将生成的歌曲上架到音乐平台来赚取广告费或者打赏等等。
现在我们就来说一下如何进行本地部署使用。
第一步：下载并安装最新版 ComfyUI
在开始之前，首先我们需要打开零度博士这篇文章（链接我放在视频下方）。打开以后往下拉。
首先第一步，我们需要下载安装最新版本的 ComfyUI。目前只有最新版本才支持。下载完成后进行安装。打开以后，咱们上面有个登录按钮，我们给它下载下来。下载按钮，给它保存到桌面上，总共大小是一百五十兆左右。下载好以后，然后进行安装。如果你是新手的话，那么建议你默认安装就可以了。
安装完成以后打开它，启动一下。如果你之前已经安装过 ComfyUI 客户端的话，那么它可能会提示你进行升级，一定要升级到最新版本才可以。
第二步：下载模型文件
当它升级完成以后，我们重新返回到教程页面，来下载模型。
首先，我们需要把主模型给下载下来，就是 Diffusion Models。它上面总共有两个版本：
-
第一个是满血版（FP16 精度），适合显存 8G 左右及以上的显卡。
-
第二个是 Int8 量化版，大小约 2.5G，适合显存低于 4G 的显卡。
如果你不确定，那么把两个模型都下载下来也可以。
下载好这两个主模型以后，我们需要放到指定模型文件夹。打开我的电脑，如果你是默认安装的话，那么打开 C 盘，进入「用户」文件夹，在里面找到自己的用户名（如果不知道用户名，可以在任务管理器→用户中查看）。打开用户名文件夹后，点击上方的「查看」，勾选「隐藏的项目」，这样就可以看到 AppData 文件夹了。打开它，然后进入 Local 文件夹，再进入 ComfyUI 文件夹，接着进入 ComfyUI 的共享文件夹（即 ComfyUI 目录下的 models 文件夹）。在 models 目录下有一个 diffusion_models 文件夹，这就是存放主模型的位置。打开它，把刚才下载好的主模型文件拖进来即可。
接下来下载第二个模型文件——文本编码器（Text Encoder）。点击下载，下载完成后，重新回到刚才的 models 文件夹，在根目录下有一个 text_encoders 文件夹，打开它，把文本编码器模型放进去。
最后下载 VAE 编码器，同样下载后，回到 models 文件夹，找到 vae 文件夹，打开并放进去。这样，全部四个模型文件就放置完成了。
第三步：导入工作流
关闭文件夹，然后获取工作流文件。重新回到教程页面，把工作流文件下载下来。下载完成后，打开 ComfyUI 客户端，点击上方「创建空白工作流」按钮（加号），创建成功后，把刚才下载的工作流文件直接拖进去即可。这样工作流就加载好了，不会出现任何报错。
第四步：使用与生成歌曲
工作流中的上方文本框是「音乐描述」部分，主要是告诉模型这首歌应该怎么唱、怎么编曲。下方文本框是「歌词」，即模型需要生成的内容。官方默认提供了模板歌词。再下方是「歌曲长度」，默认是 60 秒，如果想生成更长，直接修改数值即可。
点击运行按钮开始生成。生成速度非常快——当前演示没有任何加速，生成一段 60 秒的音乐大约只要几十秒。我们来听一下效果（英文歌曲，效果不错）。
接下来我们生成一首中文歌曲。在上方修改音乐描述，在下方输入中文歌词（提示词我会放到视频描述中）。然后把时长从 60 秒改成 180 秒（三分钟左右）。点击运行，开始生成。因为我的显卡是 24G 显存，跑三分钟歌曲大约只需三十到五十秒（我跑的是满血版模型）。如果你不知道如何设计歌词或音乐风格，完全可以通过 AI 辅助，比如用 ChatGPT 或 DeepSeek 帮你写歌词、编曲，最后把提示词填入即可，然后通过本地模型无限生成你需要的歌曲。
生成完成后，我们来试听效果。这里提醒一下：如果你的显存较低，可以在下方把主模型从 FP16 全精度切换到 Int8 量化版本，这样对显存要求更低，但生成效果肯定不如全精度版。
我们再试一个女生版的歌曲，点击生成，听一下前奏和副歌效果（歌词示例：窗外的雨下了一整夜…）。通过这种本地模型，你可以完全免费生成任何有趣的音乐，不受限制，想生成多少就生成多少。我们再来听另一首女生版（歌词：路灯拉长了影子…）。生成后可以直接点击下载保存。
现在我有个疑问：目前使用的提示词和音乐风格是由 Kimi 生成的，现在换成 DeepSeek 来试一下，因为毕竟要生成中文歌曲。下面就用 DeepSeek 生成的歌曲风格和歌词来创作一首歌。点击运行，这次测试更长的五分钟（300 秒），预计生成时间约两分钟（此处快进）。生成完成后，虽然我设置了五分钟，但实际因为歌词不够长，生成了三分钟零九秒。我们听一下效果（歌词：路灯拉长了影子…）。听完感觉如何？当歌曲描述、曲风和歌词全部用中文，效果也一样好。最后，如果我们把生成的歌曲配上合适的编曲或伴奏，效果会更佳。
