MiniMax Music 3: lokal nutzen, Lizenz und Preise

👁 114 Aufrufe

MiniMax Music ist ein Songgenerator des chinesischen Unternehmens MiniMax, das auch das Videomodell Hailuo entwickelt. Die neueste Version Music 3 erzeugt Songs mit Gesang von bis zu 5 Minuten Länge. Seit August 2026 sind die Gewichte offen, sodass Sie das Modell kostenlos auf Ihrer eigenen Grafikkarte in ComfyUI ausführen können. In unserem Test sang es verständlich auf Polnisch, aber mit hörbarem Akzent. Die kostenpflichtige API hat MiniMax am 20. August für neue Kunden geschlossen.

Was ist MiniMax Music?

MiniMax ist ein Unternehmen aus Shanghai, das Sprach-, Video- (Hailuo, H3) und Sprachsynthesemodelle entwickelt. Einen Überblick über das Unternehmen und seine Videomodelle finden Sie im Hub MiniMax: Hailuo, H3 und H3 Max. Hier geht es ausschließlich um Musik.

MiniMax Music funktioniert ähnlich wie Suno: Sie geben eine Stilbeschreibung und einen Songtext ein, das Modell komponiert Melodie und Arrangement und singt den Song. Music 3 nimmt zwei Arten von Eingaben an:

• Text mit Abschnitten - Markierungen wie [Intro], [Verse], [Pre-Chorus], [Chorus], [Bridge], [Instrumental], [Solo] und [Outro]. Das Modell setzt diese Markierungen wörtlich um.
• Structured Caption - eine Beschreibung in drei Teilen: Global Metadata (Genre, Tempo, Tonart und Stimmung), Vocal Details (Art der Stimme und Gesangsstil) sowie Arrangement (Instrumente und Vorgänge in den einzelnen Abschnitten).

Unter der Haube sorgt ein Global LLM 8B (auf Basis von Qwen3-8B) für die Struktur, ein Local LLM 0,6B für Details und Flow Matching 2,4B für die Klangerzeugung. Flow-VAE 123M gibt die WAV-Datei mit 32 kHz in Stereo aus.

Die Versionen von MiniMax Music

Die Daten stammen aus den Versionshinweisen von MiniMax; für 2.5+ und 2.6 ist dort nur der Monat angegeben. Das Repository mit den Gewichten auf Hugging Face wurde am 7. August erstellt. MiniMax und ComfyUI kündigten die offenen Gewichte am 13. August 2026 an.

Im Ranking: Wo steht MiniMax Music?

Artificial Analysis setzte Music 3.0 in Version 1.1 des Rankings (etwa 7. Oktober 2026, 1.000 Prompts, 17 Genres) als Referenzwert mit genau 1.000 Punkten an. Alle Ergebnisse finden Sie in unserem Ranking der KI-Musikgeneratoren.

• Songs mit Gesang: Music 2.6 - 1.001 Punkte (Platz 10), Music 3.0 - 1.000 (Platz 11), Music 2.5+ - 987 (Platz 12). Suno v6 führt mit 1.142 Punkten.
• Instrumentals: Music 2.5+ - 1.005 Punkte (Platz 10), Music 2.6 - 1.002 (Platz 11), Music 3.0 - 1.000 (Platz 13). Suno v6 führt mit 1.140 Punkten.
• Offene Gewichte: Music 3.0 ist das bestbewertete Modell, das Sie herunterladen und selbst ausführen können.

Music 3 klingt nicht besser als Version 2.6. Der Vorteil sind die offenen Gewichte, nicht die Klangqualität.

Die Lizenz der offenen Gewichte von MiniMax Music 3

Die Gewichte stehen nicht unter Apache- oder MIT-Lizenz, sondern unter der eigenen „MiniMax-Music3 COMMUNITY LICENSE“. Ich habe die LICENSE-Datei im Repository am 8.10.2026 gelesen. Die wichtigsten Punkte:

• Kommerzielle Nutzung ist erlaubt, auch in einem kostenpflichtigen Produkt oder Dienst.
• Namensnennung: In einem kommerziellen Produkt muss „MiniMax-Music3“ gut sichtbar in der Benutzeroberfläche stehen.
• Umsatzgrenze von 20 Mio. USD: Übersteigt der Jahresumsatz mit Produkten und Diensten, die auf dem Modell basieren, 20 Mio. USD (etwa 17,77 Mio. EUR), ist eine vorherige schriftliche Genehmigung von MiniMax erforderlich (Kontakt: api@minimax.io).
• Schutzmaßnahmen: Wer das Modell anderen als Dienst bereitstellt, muss „angemessene und verhältnismäßige“ Maßnahmen gegen eine lizenzwidrige Nutzung und entsprechende Ergebnisse einführen und regelmäßig überprüfen.
• Die Acceptable Use Policy (Anhang vom 6. August 2026) untersagt unter anderem Desinformation, Identitätsmissbrauch, Diskriminierung und militärische Anwendungen.

Die Kennzeichnungspflicht und die Umsatzgrenze gelten für Produkte und Dienste, die auf dem Modell basieren, nicht für einzelne Songs. Die Lizenz legt nicht ausdrücklich fest, wem die erzeugte Musik gehört, und beansprucht sie nicht für MiniMax. Für einen lokal erstellten Song, den Sie auf YouTube hochladen, ist kein Schriftzug „MiniMax-Music3“ erforderlich; die Acceptable Use Policy gilt trotzdem. Die auf manchen Blogs erwähnte CC BY-NC 4.0 wird durch die Datei im Repository nicht bestätigt.

Was kostet MiniMax Music?

Die MiniMax-Audio-App

Musik erstellen Sie mit MiniMax Audio (minimax.io/audio/music), früher unter hailuo.ai/audio. Die Credits gelten auch für die Sprachsynthese. Ich habe geprüft, dass ein Song 300 Credits kostet (bei zwei Varianten zeigt die Schaltfläche „Create“ 600 Credits an).

Die Preise stammen von minimax.io/audio/subscribe und wurden am 8. Oktober 2026 geprüft. Die umgerechneten Beträge sind Schätzwerte, keine lokalen Checkout-Preise. MiniMax veröffentlicht dort keine Preise in Euro. Kostenpflichtige Pläne gewähren kommerzielle Rechte an neuen Songs. Beim kostenlosen Plan widerspricht sich die Website: Die Planübersicht verspricht kommerzielle Nutzung, die FAQ beschränkt kostenlose Pläne auf den persönlichen Gebrauch. Wir orientieren uns an der FAQ. Die Musik-Nutzungsbedingungen (19.06.2025) verlangen, Musik als KI-generiert zu kennzeichnen, und verbieten das Entfernen von MiniMax-Wasserzeichen.

Die API

• MiniMax-API: Music-3.0 und Music-2.6 kosteten 0,1333 EUR (0,15 USD) pro Song mit bis zu 5 Minuten Länge; die Textgenerierung kostete 0,008886 EUR (0,01 USD). Seit dem 20. August 2026 können neue Nutzer keinen Zugang mehr kaufen. Bestehende zahlende Kunden können den Dienst weiterhin nutzen.
• fal.ai: minimax/music-3 kostet 0,001777 EUR (0,002 USD) pro Sekunde Musik, also 0,1066 EUR (0,12 USD) pro Minute. Music 2.6 (fal-ai/minimax-music/v2.6) kostet 0,1333 EUR (0,15 USD) pro Song. Die fal-API-Preise habe ich am 8.10.2026 geprüft.

Die EUR-Schätzwerte wurden mit dem EZB-Referenzkurs vom 16.10.2026 berechnet: 1 EUR = 1,1253 USD. Quelle: EZB-Referenzkurs. Die tatsächlichen Checkout-Preise können abweichen.

MiniMax Music 3 lokal in ComfyUI einrichten

Das ist der einfachste Weg. MiniMax beschreibt außerdem die Nutzung mit diffusers (laut README 24 GB VRAM, mit Auslagerung etwa 22 GB und mit Layer-Streaming sogar 8 GB) sowie SGLang-Omni. Sie benötigen eine NVIDIA-Grafikkarte mit CUDA. Allgemeine Hinweise zur Wahl der Grafikkarte finden Sie im Artikel Wie viel VRAM braucht ein lokales Modell?; die ComfyUI-Installation erkläre ich im ComfyUI-Ratgeber.

1. Aktualisieren Sie ComfyUI auf die neueste Version. Andernfalls werden die MiniMax-Music-3-Knoten nicht angezeigt.
2. Öffnen Sie die Template Library, wählen Sie den Bereich Audio und dort die Vorlage audio_minimax_music_3 („Text to Music (MiniMax Music 3)“). ComfyUI schlägt vor, fehlende Dateien herunterzuladen.
3. Laden Sie die Dateien aus dem Repository Comfy-Org/MiniMax-Music-3 in die folgenden Ordner:
   • models/diffusion_models/: minimax_music3_dit_fp16.safetensors (4,91 GB) oder für eine schwächere Grafikkarte minimax_music3_dit_int8_convrot.safetensors (2,5 GB),
   • models/text_encoders/: minimax_music3_text_encoder_pruned_int8_convrot.safetensors (9,2 GB),
   • models/vae/: minimax_music3_dav.safetensors (0,22 GB).
4. Fügen Sie im Knoten MiniMaxMusic3TextEncode eine Beschreibung in den drei Teilen Global Metadata, Vocal Details und Arrangement sowie den Songtext mit Abschnittsmarkierungen ein.
5. Stellen Sie im Knoten EmptyMiniMaxMusic3LatentAudio die Länge in Sekunden ein. Die Vorlage ist auf 120 Sekunden gesetzt, das Maximum liegt bei etwa 300 Sekunden.
6. Übernehmen Sie die Einstellungen des KSampler aus der Vorlage: 30 Schritte, cfg 1,7, Sampler euler, Scheduler simple.
7. Zum Dekodieren verwenden Sie auf einer leistungsstarken Grafikkarte VAEDecodeAudio. Wenn bei langen Songs der VRAM knapp wird, wählen Sie VAEDecodeAudioTiled (Schalter tiled_decode in der Vorlage). Das Kacheln ist langsamer und kann hörbare Übergänge hinterlassen.
8. Starten Sie die Warteschlange. Das Ergebnis wird als MP3 in output/audio/ gespeichert.

Wie viel Speicher wird benötigt? Der Text-Encoder ist größer als das Klangmodell. Das int8-Set (DiT 2,5 GB + Encoder 9,2 GB + VAE) benötigt insgesamt etwa 11,9 GB; mit DiT fp16 sind es etwa 14,3 GB. Die Community hat GGUF-Versionen erstellt:

• Abiray/MiniMax-Music3-GGUF - enthält nur DiT: von Q3_K_M (1,16 GB) über Q8_0 (2,7 GB) bis F16 (4,98 GB). Encoder und VAE beziehen Sie von Comfy-Org.
• molbal/Minimax-Music3-GGUF - enthält DiT und Text-Encoder; der Encoder in Q4_0 ist etwa 5,4 GB groß. Erfordert einen Fork von ComfyUI-GGUF.

Laut localaimaster.com sind eine Grafikkarte mit 12 GB und 32 GB RAM ein vernünftiges Minimum. Mit 8 GB funktioniert es nur mit starker Auslagerung und langsam. Das ursprüngliche MiniMax-Repository (57,4 GB) brauchen Sie für ComfyUI nicht. Einen breiteren Überblick über lokal ausführbare Modelle finden Sie im Hub Lokale KI.

Mein Test: MiniMax Music 3 auf der RTX 4090

Am 8. Oktober 2026 habe ich MiniMax Music 3 lokal in ComfyUI ausgeführt (DiT fp16 mit 4,91 GB, pruned int8 Text-Encoder mit 9,2 GB, VAE mit 0,22 GB; insgesamt etwa 14,3 GB zum Herunterladen von Comfy-Org auf Hugging Face). Die Einstellungen entsprachen der offiziellen Vorlage: 30 Schritte, cfg 1,7, euler/simple, maximal 100 Sekunden. Ich gab einen polnischen Songtext mit dem Titel „Morgen in Łódź“ ein (zwei Strophen und Refrain, 52 Wörter) sowie die Stilbeschreibung „nostalgische Indie-Pop-Ballade mit weiblichem Gesang“. Der folgende angezeigte Titel ist eine Übersetzung des polnischen Testmaterials; getestet wurde tatsächlich auf Polnisch.

• Die Aussprache ist gut:Whisper large-v3 erkannte mit dem aus dem Gesang extrahierten Demucs-Audiomaterial 102 von 104 Wörtern. Fehler waren [fehlerhafte Schreibweise im polnischen Originaltest] statt der Übersetzung des polnischen Originals „ich werde senden“ sowie [fehlerhafte Schreibweise im polnischen Originaltest] statt der Übersetzung des polnischen Originals „zerknittert“. Diese Transkriptionsbeispiele spiegeln die gemessenen Erkennungsfehler wider.
• Der Stil überzeugt weniger: KI-Bewerter (Gemini 3.8 Flash und Qwen 3.8 Omni Flash) vergaben im Schnitt 4,0/5 für die Aussprache, aber nur 3,1 für den Klang und 2,9 für die Übereinstimmung mit dem Stil. Gemini schrieb in beiden Durchläufen, statt der gewünschten warmen Ballade sei ein überzeichneter Musical-Song mit metallischem Beiklang im Gesang entstanden.
• Die Länge ist unberechenbar: Der zweite Durchlauf endete nach 54,5 Sekunden. Das Modell sang den ganzen Text, aber schneller als erwartet.
• Zum Vergleich: ACE-Step 1.5 erzeugte auf derselben Grafikkarte 95 Sekunden Musik in 8 Sekunden und belegte 13-14 GB Grafikspeicher. Die Bewerter gaben der Aussprache 4,5 Punkte.
• Cloud-Test am 3. Oktober: Auf fal.ai sang MiniMax Music 3 einen anderen polnischen Text schlechter: 32 von 39 Wörtern, Aussprache 3/5.

Die Ergebnisse aller Modelle dieser Reihe finden Sie im Ranking der KI-Musikgeneratoren. Der erste Durchlauf war langsam, weil ich die Modelle von einem USB-Laufwerk lade (etwa 44 MB/s). Mit NVMe geht es schneller.

Wie gut singt MiniMax Music auf Polnisch?

MiniMax veröffentlicht keine Liste der Sprachen, in denen das Modell singen kann. Die Demos von Music 3 sind auf Chinesisch und Englisch. Die Angabe „40+ Sprachen“ auf der Preisseite von MiniMax Audio bezieht sich auf die Sprachsynthese, nicht auf Musik.

Am 3. Oktober 2026 habe ich das im Test für den Ratgeber KI-Musikgenerator überprüft: gleicher polnischer Text mit 39 Wörtern, Transkription mit Whisper large-v3 und Bewertung der Aussprache durch Gemini. Wir haben also auf Polnisch getestet, nicht auf Deutsch.

• Music 2.6: 34 von 39 Wörtern, Aussprache 2/5, Generierung auf fal.ai in 57 Sekunden.
• Music 3: 32 von 39 Wörtern, Aussprache 3/5, Generierung in 120 Sekunden. Der Song war kürzer als gewünscht: 27 statt 75 Sekunden.
• Problem:Beide Modelle hatten Schwierigkeiten mit der Lautfolge der Übersetzung des polnischen Originals „fährt aus Danzig ab“; der Refrain war klar verständlich. Dieses Zitat gibt die im polnischen Original getestete Lautfolge wieder.

Mein Tipp: Formulieren Sie die Stilbeschreibung auf Englisch und ergänzen Sie „vocal singing in Polish, clear diction“. Lassen Sie den Songtext auf Polnisch und vermeiden Sie schwer auszusprechende Konsonantenfolgen in der ersten Zeile.

MiniMax Music im Vergleich zur Konkurrenz

Am besten sang in meinen Tests Eleven Music auf Polnisch (39 von 39 Wörtern am 3. Oktober und heute 103 von 104). Unter den herunterladbaren Modellen liegt Music 3 im Artificial-Analysis-Ranking am höchsten. In meinem Test vom 8. Oktober sang ACE-Step 1.5 den polnischen Text jedoch ähnlich gut (101 von 104 Wörtern), traf den Stil besser und benötigte weniger Grafikspeicher. Die ältere ACE-Step-Version auf fal.ai machte aus dem Polnischen am 3. Oktober Kauderwelsch (8 von 39 Wörtern) - Version 1.5 ist ein anderes Modell.

Für wen eignet sich MiniMax Music?

• Für Besitzer einer Grafikkarte mit 12-24 GB VRAM - Songs ohne Abo und Download-Limit erstellen.
• Für App-Entwickler - eines der leistungsstärksten offenen Songmodelle mit kommerzieller Nutzung, sofern „MiniMax-Music3“ im Produkt genannt wird.
• Für englischsprachige Songs und Instrumentals - hier ist das Modell am stärksten.
• Weniger geeignet für einen polnischen Song zur Veröffentlichung - der Akzent ist hörbar. Eleven Music oder Lyria könnten besser passen.

Der einfachste Weg: Hangar

Sie können MiniMax Music 3 auch mit Hangar starten. Das ist mein kostenloser Manager für lokale Bild-, Video- und Musikmodelle unter Windows. Er benötigt weder Konto noch Abo und verwendet ComfyUI als Engine. Im Katalog gibt es ein Set mit DiT fp16 und int8-Encoder: insgesamt 14,3 GB (4,91 + 9,2 + 0,22 GB). Das kleinere DiT-int8-Modell (2,5 GB) ist derzeit nicht im Katalog und muss für eine schwächere Grafikkarte manuell heruntergeladen werden. Die MiniMax-Music3-Community-Lizenz erlaubt die kommerzielle Nutzung unter Bedingungen: Der Modellname muss im Produkt stehen; eine Ausnahme für die EU gibt es nicht.

1. Laden Sie das 14 MB große Installationsprogramm von der Hangar-Seite herunter. Es ist noch nicht digital signiert. Deshalb zeigt Windows SmartScreen eine Warnung an: Klicken Sie auf „Weitere Informationen“ und anschließend auf „Trotzdem ausführen“.
2. Hangar erkennt die Grafikkarte (Nvidia mit CUDA, ab 8 GB VRAM; empfohlen sind mindestens 12 GB) und zeigt an, ob das Modell darauf Platz hat.
3. Wählen Sie MiniMax Music 3. Hangar lädt die Dateien von Hugging Face herunter und prüft ihre SHA-256-Prüfsummen.
4. Geben Sie Stilbeschreibung und Songtext mit Abschnittsmarkierungen ein, legen Sie die maximale Länge fest und starten Sie die Generierung.

Im Hangar-Test auf einer RTX 4090 (17. Oktober 2026) dauerte ein Auftrag über 20 Sekunden Musik einschließlich des Modell-Ladens 57 Sekunden. Die eingestellte Länge ist ein Höchstwert; das Modell kann früher abbrechen. Installationsprogramm und Beschreibung: Hangar.

Häufige Fragen

Was ist MiniMax Music?

Ein KI-Songgenerator von MiniMax. Aus einer Stilbeschreibung und einem Songtext erstellt er einen Song mit Gesang von bis zu 5 Minuten Länge. Die neueste Version Music 3 hat offene Gewichte und läuft in der MiniMax-Audio-App, auf fal.ai und lokal.

Kann ich MiniMax Music 3 lokal ausführen?

Ja. Am einfachsten geht es in ComfyUI mit der Vorlage audio_minimax_music_3. Sie benötigen eine NVIDIA-Grafikkarte, sinnvoll sind mindestens 12 GB VRAM, und etwa 12-15 GB Speicherplatz für die Dateien. Mit GGUF und Auslagerung läuft das Modell auch auf 8 GB, allerdings langsam.

Ist MiniMax Music kostenlos?

Lokal können Sie es kostenlos und ohne Limit nutzen. Der kostenlose Plan von MiniMax Audio bietet 10.000 Credits pro Monat, laut Anbieter etwa 33 Songs. Laut FAQ ist die Nutzung aber auf persönliche Zwecke beschränkt. Die kostenlose API music-3.0-free wurde am 20. August 2026 abgeschaltet.

Welche Lizenz gilt für MiniMax Music 3?

Es gilt die MiniMax-Music3 Community License. Kommerzielle Nutzung ist erlaubt. Das Produkt muss sichtbar „MiniMax-Music3“ nennen; bei mehr als 20 Mio. USD Jahresumsatz ist eine schriftliche Genehmigung von MiniMax erforderlich. Diese Bedingungen gelten für Produkte, die auf dem Modell basieren, nicht für einzelne Songs.

Kann MiniMax Music auf Polnisch singen?

Ja, aber mit Akzent. In meinem Test sang Music 3 32 von 39 Wörtern korrekt, Music 2.6 kam auf 34. MiniMax führt Polnisch nicht als unterstützte Musiksprache auf. Getestet wurde auf Polnisch, nicht auf Deutsch.

Was ist Hailuo Music?

Das war der frühere Name des Musikmoduls in Hailuo AI. Heute läuft der Generator als MiniMax Audio unter minimax.io/audio/music. Die Adresse hailuo.ai/audio führt zum gleichen Dienst. Über Hailuo-Video schreibe ich im Artikel Hailuo AI.

Kann ich mit Songs aus MiniMax Music Geld verdienen?

Mit einem kostenpflichtigen MiniMax-Audio-Plan: ja. Die Pläne gewähren kommerzielle Rechte an neuen Songs, allerdings verlangen die Nutzungsbedingungen eine Kennzeichnung als KI-Musik. Die Lizenz des lokalen Modells verbietet kommerzielle Nutzung nicht und beansprucht die Songs nicht für MiniMax.

Quellen und Prüfdatum

• Model Card und LICENSE-Datei von MiniMaxAI/MiniMax-Music3 - huggingface.co (geprüft am 8.10.2026)
• Dateien von Comfy-Org/MiniMax-Music-3 - huggingface.co (8.10.2026)
• MiniMax Music 3.0, Ankündigung - minimax.io (13.08.2026)
• Modell-Versionshinweise - platform.minimax.io (8.10.2026)
• API-Preise und Mitteilung vom 20.08.2026 - platform.minimax.io (8.10.2026)
• MiniMax-Audio-Pläne - minimax.io (8.10.2026)
• Nutzungsbedingungen für MiniMax Audio Music - minimax.io (Fassung vom 19.06.2025)
• ComfyUI-Blog zu Music 3 - blog.comfy.org (13.08.2026)
• GGUF - Abiray und molbal (8.10.2026)
• VRAM-Empfehlungen - localaimaster.com (8.10.2026)
• Text-to-Music-Ranking v1.1 - Artificial Analysis (etwa 7.10.2026)
• fal.ai-Preise: fal.ai-API-Preisliste (8.10.2026); mein Test: 3.10.2026

// weiterlesenStable Audio 3: KI-Musikgenerator, Lizenz, Preise und ComfyUIKI-WerkzeugeACE Music: Preis, kostenlos nutzen, Test und Vergleich mit SunoKI-ToolsMiniMax H3-Image: Preis, Test, Lizenz und Vergleich im ÜberblickAnleitungen

Kinetyra