MiniMax Music 3 en local : ComfyUI, licence et prix

👁 121 lectures

MiniMax Music est le générateur musical développé par l’entreprise chinoise MiniMax, également créatrice du modèle vidéo Hailuo. Sa dernière version, Music 3, génère des pistes avec voix d’une durée maximale de 5 minutes. Depuis août 2026, ses poids sont ouverts (open weights), ce qui permet de l’exécuter gratuitement en local sur votre propre carte graphique via ComfyUI. Le modèle gère plusieurs langues avec un léger accent, tandis que son API payante a été fermée aux nouveaux clients le 20 août 2026.

Qu’est-ce que MiniMax Music ?

MiniMax est une structure basée à Shanghai spécialisée dans les modèles de langage, la génération vidéo (Hailuo, H3) et la synthèse vocale. Pour les détails concernant l’entreprise et la vidéo, consultez notre dossier MiniMax : Hailuo, H3 et H3 Max ; nous nous concentrons ici exclusivement sur la création musicale.

Le fonctionnement de MiniMax Music s’apparente à celui de Suno : vous soumettez une description de style ainsi que vos paroles, et l’algorithme compose la mélodie, crée l’arrangement et assure le chant. Music 3 nécessite deux entrées principales :

• Paroles structurées : utilisation de balises telles que [Intro], [Verse], [Pre-Chorus], [Chorus], [Bridge], [Instrumental], [Solo] et [Outro], scrupuleusement respectées lors de la génération.
• Structured Caption : description découpée en trois volets : métadonnées globales (genre, tempo, tonalité, ambiance), détails vocaux (timbre, registre, style de chant) et arrangement (instruments et déroulement par section).

L’architecture interne combine un Global LLM de 8B (fondé sur Qwen3-8B) pour orchestrer la structure, un Local LLM de 0,6B pour affiner les nuances, un bloc Flow Matching de 2,4B pour la synthèse sonore et un Flow-VAE de 123M délivrant un flux WAV stéréo en 32 kHz.

Historique des versions de MiniMax Music

Ces dates sont extraites des notes de version officielles de MiniMax (les éditions 2.5+ et 2.6 ne mentionnent que le mois). Le dépôt Hugging Face accueillant les poids a été mis en ligne le 7 août, suivi des annonces conjointes de MiniMax et ComfyUI le 13 août 2026.

Position dans les classements de modèles musicaux

Dans la mouture 1.1 du benchmark d’Artificial Analysis (relevé vers le 7 octobre 2026 sur un ensemble de 1 000 requêtes et 17 genres), Music 3.0 a été désigné comme l’étalon de référence, fixant son score à 1 000 points. Retrouvez l’ensemble des comparatifs dans notre classement des générateurs de musique IA.

• Morceaux avec chant : Music 2.6 atteint 1 001 points (10e place), Music 3.0 se positionne à 1 000 points (11e place) et Music 2.5+ affiche 987 points (12e place). En comparaison, Suno v6 mène la catégorie avec 1 142 points.
• Titres instrumentaux : Music 2.5+ se hisse à 1 005 points (10e place), Music 2.6 à 1 002 points (11e place) et Music 3.0 à 1 000 points (13e place), le premier rang revenant à Suno v6 avec 1 140 points.
• Modèles à poids ouverts : Music 3.0 se classe en tête des modèles téléchargeables et exécutables localement.

Sur le strict plan de la qualité acoustique, Music 3 ne surpasse pas directement la version 2.6 : son véritable attout réside dans son architecture ouverte, directement utilisable sur sa propre machine.

Conditions de la licence MiniMax-Music3

Les fichiers du modèle ne sont pas distribués sous licence Apache ou MIT, mais sous un contrat propriétaire intitulé « MiniMax-Music3 COMMUNITY LICENSE ». Voici les clauses principales constatées dans le fichier LICENSE du dépôt officiel au 8 octobre 2026 :

• Exploitation commerciale autorisée : intégration permise au sein de produits ou services payants.
• Obligation de crédit : tout service commercial exploitant le modèle doit afficher lisiblement la mention « MiniMax-Music3 » dans son interface.
• Plafond de 20 millions USD : si le chiffre d’affaires annuel généré par des solutions reposant sur ce modèle excède 20 millions USD (environ 17,89 millions EUR selon le taux de référence de la BCE du 12 octobre 2026 : 1 EUR = 1,1181 USD, source : https://www.ecb.europa.eu/stats/eurofxref/eurofxref-daily.xml), un accord écrit préalable de MiniMax est exigé (contact : api@minimax.io).
• Mesures de sécurité : les prestataires qui rediffusent le modèle en tant que service doivent appliquer et contrôler régulièrement des dispositifs techniques raisonnables et proportionnés pour éviter les abus.
• Acceptable Use Policy : l’annexe du 6 août 2026 proscrit notamment la diffusion de fausses informations, l’usurpation d’identité, les pratiques discriminatoires et toute utilisation à des fins militaires.

Cette obligation d’attribution et le seuil de revenus visent les applications dérivées du modèle, et non les pistes audio elles-mêmes. Le texte contractuel ne revendique aucun droit de propriété intellectuelle sur les créations générées. Si vous composez un morceau en local pour l’héberger sur YouTube, la mention « MiniMax-Music3 » n’est pas obligatoire, bien que les règles d’utilisation éthique demeurent applicables. Les mentions d’une licence CC BY-NC 4.0 aperçues sur certains sites ne sont pas corroborées par les documents du dépôt officiel.

Combien coûte MiniMax Music ?

Note sur les devises : les conversions ci-dessous sont basées sur le cours de référence de la Banque centrale européenne au 12 octobre 2026 (1 EUR = 1,1181 USD, source : https://www.ecb.europa.eu/stats/eurofxref/eurofxref-daily.xml). Ces montants convertis en euros sont fournis à titre indicatif et hors taxes éventuelles.

L’application en ligne MiniMax Audio

La génération web s’opère via MiniMax Audio (minimax.io/audio/music), plateforme précédemment accessible sous l’adresse hailuo.ai/audio. Le solde de crédits est partagé avec l’outil de synthèse vocale. La génération d’une chanson nécessite 300 crédits (le déclenchement avec deux déclinaisons simultanées en décompte 600).

Ces montants correspondent à la grille tarifaire consultable sur minimax.io/audio/subscribe au 8 octobre 2026. L’exploitation commerciale des morceaux créés est accordée aux comptes souscrivant une formule payante. Concernant l’offre Free, les informations du site comportent une contradiction : la fiche de l’offre indique un droit commercial, mais la FAQ réserve strictement l’usage gratuit au cadre personnel. Il convient de s’en tenir à la restriction de la FAQ. Les conditions d’utilisation musicales (datées du 19 juin 2025) imposent de spécifier la nature générée par IA et interdisent la suppression des filigranes sonores de MiniMax.

Accès via API

• API officielle MiniMax : les endpoints Music-3.0 et Music-2.6 étaient facturés 0,15 USD par titre jusqu’à 5 minutes (env. 0,134 EUR), avec un coût de 0,01 USD (env. 0,0089 EUR) pour la génération des paroles. Depuis le 20 août 2026, l’accès n’est plus ouvert aux nouveaux comptes, mais reste fonctionnel pour les clients déjà enregistrés.
• fal.ai : l’accès au modèle minimax/music-3 est proposé à 0,002 USD par seconde de musique (env. 0,00179 EUR), soit 0,12 USD par minute (env. 0,107 EUR). Music 2.6 (fal-ai/minimax-music/v2.6) est facturé au forfait de 0,15 USD par composition (env. 0,134 EUR). Tarifs relevés via l’API tarifaire de fal.ai le 8 octobre 2026.

Comment exécuter MiniMax Music 3 en local avec ComfyUI

ComfyUI constitue l’approche la plus directe. MiniMax documente également l’usage avec diffusers (la documentation cite un besoin de 24 Go de VRAM, ajustable autour de 22 Go avec déchargement mémoire, voire 8 Go via streaming des couches) et SGLang-Omni. Une carte graphique NVIDIA supportant CUDA est obligatoire. Pour approfondir le dimensionnement matériel, reportez-vous à notre guide combien de VRAM pour les modèles locaux, ainsi qu’à la méthode d’installation globale détaillée dans le tutoriel ComfyUI.

1. Mettez à jour ComfyUI vers sa version la plus récente afin de rendre accessibles les nœuds dédiés à MiniMax Music 3.
2. Ouvrez la bibliothèque de modèles (Template Library), allez dans la section Audio et chargez le modèle prédéfini audio_minimax_music_3 (« Text to Music (MiniMax Music 3) »). L’interface vous proposera le téléchargement automatisé des fichiers requis.
3. Placez les éléments issus du dépôt Comfy-Org/MiniMax-Music-3 dans leurs dossiers respectifs :
   • models/diffusion_models/ : minimax_music3_dit_fp16.safetensors (4,91 Go) ou, pour une carte plus modeste, minimax_music3_dit_int8_convrot.safetensors (2,5 Go),
   • models/text_encoders/ : minimax_music3_text_encoder_pruned_int8_convrot.safetensors (9,2 Go),
   • models/vae/ : minimax_music3_dav.safetensors (0,22 Go).
4. Dans le nœud MiniMaxMusic3TextEncode, renseignez les trois blocs descriptifs (Global Metadata, Vocal Details, Arrangement) ainsi que les paroles balisées.
5. Réglez la durée souhaitée en secondes dans le nœud EmptyMiniMaxMusic3LatentAudio. La valeur par défaut est de 120 secondes, avec un plafond technique autour de 300 secondes.
6. Conservez les paramètres de base du KSampler : 30 étapes, CFG à 1,7, échantillonneur Euler et planificateur simple.
7. Pour l’étape de décodage : utilisez VAEDecodeAudio si vous possédez une carte puissante, ou optez pour VAEDecodeAudioTiled (option tiled_decode du modèle) en cas de mémoire vidéo limitée sur de longues séquences. Le mode tuilé prend plus de temps et peut occasionner de légères discontinuités audibles.
8. Lancez la file d’attente (Queue Prompt). Le fichier final sera exporté au format MP3 dans le répertoire output/audio/.

Concernant l’empreinte mémoire, l’encodeur textuel constitue l’élément le plus volumineux. L’ensemble int8 (DiT de 2,5 Go + encodeur de 9,2 Go + VAE) occupe environ 11,9 Go, tandis que la configuration avec le DiT en fp16 requiert environ 14,3 Go. Des quantifications GGUF élaborées par la communauté sont disponibles :

• Abiray/MiniMax-Music3-GGUF : conversion limitée au DiT, allant de Q3_K_M (1,16 Go) à Q8_0 (2,7 Go) et F16 (4,98 Go). L’encodeur et le VAE doivent être récupérés chez Comfy-Org.
• molbal/Minimax-Music3-GGUF : conversion englobant le DiT et l’encodeur de texte (ce dernier pesant environ 5,4 Go en Q4_0). Nécessite l’emploi d’un fork spécifique de ComfyUI-GGUF.

D’après les analyses techniques de localaimaster.com, le matériel recommandé démarre à une carte équipée de 12 Go de VRAM couplée à 32 Go de RAM système. Une puce de 8 Go reste envisageable au prix d’un déchargement agressif vers la mémoire centrale, au détriment de la vitesse de calcul. Le dépôt source de MiniMax (57,4 Go) n’est pas nécessaire pour un usage standard dans ComfyUI. Un inventaire plus large des solutions exécutables sur votre matériel est regroupé sur notre page consacrée à l’IA locale.

Test en conditions réelles : MiniMax Music 3 sur une RTX 4090

Le 8 octobre 2026, j’ai configuré MiniMax Music 3 en local sous ComfyUI (poids DiT fp16 de 4,91 Go, encodeur de texte pruned int8 de 9,2 Go, VAE de 0,22 Go, soit environ 14,3 Go de téléchargement depuis Comfy-Org sur Hugging Face). Les réglages ont respecté le workflow officiel : 30 étapes, CFG 1,7, configuration euler/simple, pour une durée cible maximale de 100 secondes. Le banc d’essai a été réalisé à l’aide d’un texte rédigé en polonais (traduction du texte polonais original : « Un matin à Łódź », composé de 2 couplets et d’un refrain totalisant 52 mots), accompagné d’une consigne stylistique : ballade indie pop nostalgique avec chant féminin.

• Précision de l’élocution :l’analyse via Whisper large-v3 sur la piste isolée par Demucs a correctement relevé 102 mots sur les 104 prononcés lors des deux essais. Les deux altérations constatées portaient sur des déclinaisons subtiles (lettrage corrompu dans le test original en polonais au lieu de la traduction du texte polonais original : « j’enverrai » et lettrage corrompu dans le test original en polonais pour la traduction du texte polonais original : « froissée »).
• Rendu stylistique perfectible : l’évaluation automatisée par LLM (Gemini 3.8 Flash et Qwen 3.8 Omni Flash) a attribué une note moyenne de 4,0/5 à la diction, mais seulement 3,1/5 au timbre sonore et 2,9/5 à la cohérence du style. Les commentaires de Gemini ont souligné sur les deux essais une dérive vers un registre de comédie musicale grandiloquente au lieu d’une ambiance intimiste, avec une texture légèrement métallique sur la voix.
• Variabilité de la durée : le second essai a produit un fichier de 54,5 secondes seulement. L’ensemble des paroles a été chanté, mais sur une cadence beaucoup plus rapide que prévu.
• À titre de comparaison : le modèle ACE-Step 1.5, soumis au même exercice sur la même configuration matérielle, a généré 95 secondes d’audio en 8 secondes pour une occupation de 13 à 14 Go de VRAM, recevant une note de prononciation de 4,5/5 par les juges IA.
• Résultats constatés dans le cloud : lors d’une évaluation menée le 3 octobre 2026 via fal.ai, MiniMax Music 3 avait montré une fidélité inférieure sur un autre texte de test : 32 mots corrects sur 39 et une note de diction de 3/5.

L’ensemble de ces mesures est répertorié dans notre comparatif des générateurs de musique IA. Le temps de calcul élevé du premier passage s’explique par un chargement initial depuis un stockage externe USB (autour de 44 Mo/s) ; un disque NVMe réduira nettement ce délai d’initialisation.

Performances sur les langues secondaires

L’éditeur ne fournit pas de liste exhaustive des langues prises en charge pour le volet musical. Les démonstrations officielles mettent en avant le mandarin et l’anglais, tandis que la mention de « plus de 40 langues » affichée sur la page commerciale de MiniMax Audio s’applique au moteur de synthèse vocale, et non à la composition musicale.

Lors d’un comparatif méthodique conduit le 3 octobre 2026 pour le guide générateur de musique IA (protocole basé sur un texte complexe de 39 mots, transcrit via Whisper large-v3 et noté par Gemini) :

• Music 2.6 : 34 mots restitués sur 39, score d’élocution de 2/5, temps de calcul de 57 s sur fal.ai.
• Music 3 : 32 mots restitués sur 39, score d’élocution de 3/5, temps de calcul de 120 s. Le résultat n’a duré que 27 secondes au lieu des 75 secondes spécifiées.
• Observations : les liaisons complexes de consonnes posent problème aux deux générations, bien que les refrains soient restitués de manière plus nette.

Recommandation pratique : rédigez vos consignes de style en anglais en ajoutant une directive explicite (par exemple vocal singing in [Langue], clear diction), puis intégrez votre texte en évitant d’accumuler des sonorités trop dures dès la première phrase d’attaque.

Comparatif face aux solutions concurrentes

Sur le plan de l’intelligibilité sur notre protocole, Eleven Music s’est hissé en tête de nos bancs d’essai (39 mots sur 39 reconnus le 3 octobre et 103 sur 104 lors de la session suivante). Si MiniMax Music 3 domine le classement synthétique d’Artificial Analysis parmi les projets téléchargeables, notre test matériel du 8 octobre a révélé qu’ACE-Step 1.5 obtenait une restitution textuelle comparable (101 mots sur 104), respectait mieux le cahier des charges musical et réclamait moins de VRAM. Soulignons que l’ancienne mouture d’ACE-Step déployée sur fal.ai au 3 octobre produisait un rendu inaudible (8 mots sur 39) : la branche 1.5 représente une refonte majeure.

À qui s’adresse MiniMax Music ?

• Aux utilisateurs disposant d’un GPU de 12 à 24 Go de VRAM : pour composer des pistes sans dépendre d’abonnements récurrents ni de restrictions de volume.
• Aux développeurs de solutions logicielles : qui recherchent un modèle ouvert de pointe compatible avec une commercialisation (sous réserve d’afficher « MiniMax-Music3 »).
• Aux productions anglophones et aux pistes instrumentales : des cas d’usage où le moteur démontre toute sa richesse harmonique.
• À éviter pour un projet vocal exigeant dans une langue secondaire sans retouches : l’accentuation résiduelle est perceptible. Pour ce type de besoin, orientez-vous plutôt vers Eleven Music ou Google Lyria.

Foire aux questions

Qu’est-ce que MiniMax Music ?

Il s’agit d’un système de génération musicale par intelligence artificielle conçu par la société MiniMax. À partir d’indications de style et de paroles, il compose un morceau complet intégrant des voix d’une durée allant jusqu’à 5 minutes. La mouture Music 3 propose ses poids en téléchargement libre et s’utilise sur l’interface MiniMax Audio, via l’infrastructure fal.ai ou directement en local.

Est-il possible d’utiliser MiniMax Music 3 sur son ordinateur ?

Oui. La démarche la plus ergonomique consiste à déployer ComfyUI et son modèle prédéfini audio_minimax_music_3. Une carte graphique NVIDIA munie de 12 Go de VRAM au minimum est conseillée, en prévoyant entre 12 et 15 Go d’espace disque pour les modèles. Des formats GGUF et le délestage de mémoire autorisent une exécution sur 8 Go de VRAM, moyennant des temps de traitement plus longs.

MiniMax Music est-il accessible gratuitement ?

L’utilisation locale est libre de droits d’accès et sans limite de rendu. Sur le service en ligne MiniMax Audio, l’offre Free fournit 10 000 crédits par mois (l’équivalent de 33 chansons environ), réservés à des fins strictement personnelles selon la FAQ. Les passerelles gratuites pour l’API (music-3.0-free) ont été interrompues le 20 août 2026.

Sous quel type de licence MiniMax Music 3 est-il distribué ?

Le projet est encadré par la MiniMax-Music3 Community License. L’usage commercial d’une solution dérivée est permis, pourvu que la mention « MiniMax-Music3 » soit visible pour l’utilisateur. Dès lors que le chiffre d’affaires annuel dépasse 20 millions USD (env. 17,89 millions EUR), une autorisation formelle doit être accordée par MiniMax. Ces clauses s’appliquent aux applications intégrant le modèle, et non aux fichiers audio produits.

Le modèle prend-il en charge plusieurs langues pour le chant ?

Oui, bien qu’un accent étranger puisse teinter l’articulation vocale dès que l’on s’écarte de l’anglais ou du mandarin. Lors de nos bancs d’essai sur un texte complexe, Music 3 a restitué fidèlement 32 mots sur 39, tandis que Music 2.6 en enregistrait 34. Les documentations de MiniMax ne détaillent pas formellement les langues optimisées pour la chanson.

À quoi correspond Hailuo Music ?

Il s’agit de l’ancienne dénomination de la section musicale au sein de la suite Hailuo AI. Le service a été consolidé sous la marque MiniMax Audio à l’adresse minimax.io/audio/music, les URL hailuo.ai/audio opérant une redirection. Les fonctionnalités de création vidéo sont détaillées dans notre guide dédié à Hailuo AI.

A-t-on le droit de monétiser les musiques créées avec MiniMax Music ?

Oui, si vous utilisez un compte payant sur la plateforme MiniMax Audio, les conditions attribuant les droits commerciaux aux créations récentes tout en imposant de mentionner l’origine artificielle du titre. Dans le cadre d’un usage local du modèle ouvert, la licence n’interdit pas l’exploitation des morceaux et ne réclame pas de droits sur votre production.

Sources et vérification des informations

• Fiche de modèle et licence MiniMaxAI/MiniMax-Music3 - huggingface.co (consulté le 8 octobre 2026)
• Ressources Comfy-Org/MiniMax-Music-3 - huggingface.co (8 octobre 2026)
• Publication officielle de MiniMax Music 3.0 - minimax.io (13 août 2026)
• Notes de version des architectures - platform.minimax.io (8 octobre 2026)
• Grille tarifaire API et annonce de transition du 20 août 2026 - platform.minimax.io (8 octobre 2026)
• Formules d’abonnement MiniMax Audio - minimax.io (8 octobre 2026)
• Conditions générales d’utilisation audio MiniMax - minimax.io (version du 19 juin 2025)
• Article technique de ComfyUI sur Music 3 - blog.comfy.org (13 août 2026)
• Modèles GGUF communautaires - Abiray et molbal (8 octobre 2026)
• Recommandations sur la mémoire vidéo - localaimaster.com (8 octobre 2026)
• Classement Text to Music v1.1 - Artificial Analysis (relevé du 7 octobre 2026)
• Tarification fal.ai - API officielle de fal.ai au 8 octobre 2026 ; essais comparatifs conduits le 3 octobre 2026

// lire la suiteInfiniteTalk dans ComfyUI sur RTX 4090 : installationOutils d'IAEleven Music : test avec paroles en françaisOutils d'IAMiniMax H3 : prix, fonctionnalités et version gratuiteOutils d'IA

Kinetyra