Loading video...

Video Failed to Load

Go Home

仅次于Suno V5.5的音乐模型就这么悄默声的开源了。 Minimax开源MiniMax-Music3，效果非常非常非常好的AI音乐模型。最长可以生成5分钟长度的歌曲，而且可控性非常强，能通过提示词编排歌曲结构、人声、节奏、歌词等各个方面细节。 Minimax先开源了视频模型H3，再开源音频模型Music3，把家底都给开源出来了。 下方视频是我生成的音乐。 模型： 在线体验：

Gorden_Sun's profile picture

Gorden Sun

64,410 subscribers

22,114 views • 16 hours ago •via X (Twitter)

Science & TechnologyMusic
LIVE

Anya Rossi• Live Now

Private livecam show

0 Comments

No comments available

Comments from the original post will appear here

Related Videos

微软新开源了这个 VibeVoice TTS模型很强 - 支持最多生成 90 分钟时长 - 最多4 个人的对谈语音，以往模型只能生成两个 - 支持中文，而且中文效果不错 - 支持生成带背景音乐的播客音频
1:15

微软新开源了这个 VibeVoice TTS模型很强 - 支持最多生成 90 分钟时长 - 最多4 个人的对谈语音，以往模型只能生成两个 - 支持中文，而且中文效果不错 - 支持生成带背景音乐的播客音频

歸藏(guizang.ai)

44,283 views • 11 months ago

腾讯杀疯了！ 开源了参数最多、性能最强的文生视频大模型。 我已经测试了一段时间。 混元视频生成模型整体效果非常厉害，在美学表现、稳定性、运动幅度的品质上都是一流的。 下面有详细介绍：
0:29

腾讯杀疯了！ 开源了参数最多、性能最强的文生视频大模型。 我已经测试了一段时间。 混元视频生成模型整体效果非常厉害，在美学表现、稳定性、运动幅度的品质上都是一流的。 下面有详细介绍：

歸藏(guizang.ai)

146,364 views • 1 year ago

一个模型搞定视频+音频+口型! 你看到的这个就是 LTX 刚刚发布的 LTX-2 开放权重大模型, 这个模型可以文生视频或者图生视频, 这个模型最大的特点是在保证了画质和一致性的同时, 可以生成音频! 而且音频和口型完全适配! 并且说话人神态也非常棒! 模型大小是 19B, 相当可用! 演示视频是我用 HuggingFace Zero GPU 生成的 demo, 10秒视频大概需要5分钟左右生成时间. 我测试目前来看最大的优点就是口型和声音生成得非常好, 并且一致性很高. 指定人物使用什么样的银色就能稳定生成. 当然模型也有不足之处, 主要是还是偶尔能看到模型生成人物皮肤的那种油腻感. 当然官方的 pro 版本在这点上处理的更好, 并且 pro 版本支持4K分辨率输出, 当然 pro 版本是没有开源的.
1:06

一个模型搞定视频+音频+口型! 你看到的这个就是 LTX 刚刚发布的 LTX-2 开放权重大模型, 这个模型可以文生视频或者图生视频, 这个模型最大的特点是在保证了画质和一致性的同时, 可以生成音频! 而且音频和口型完全适配! 并且说话人神态也非常棒! 模型大小是 19B, 相当可用! 演示视频是我用 HuggingFace Zero GPU 生成的 demo, 10秒视频大概需要5分钟左右生成时间. 我测试目前来看最大的优点就是口型和声音生成得非常好, 并且一致性很高. 指定人物使用什么样的银色就能稳定生成. 当然模型也有不足之处, 主要是还是偶尔能看到模型生成人物皮肤的那种油腻感. 当然官方的 pro 版本在这点上处理的更好, 并且 pro 版本支持4K分辨率输出, 当然 pro 版本是没有开源的.

karminski-牙医

19,836 views • 7 months ago

刚刚，在本地下载了一个阿里巴巴的AI 开源模型 Qwen3，速度非常快，但是这个模型被练就成了中央党校的3好学生。😀
3:05

刚刚，在本地下载了一个阿里巴巴的AI 开源模型 Qwen3，速度非常快，但是这个模型被练就成了中央党校的3好学生。😀

Inty News

34,872 views • 1 year ago

LTX-2 Model：：开源版Veo3 19B参数的视频模型，能同时生成视频和音频，支持文生视频和图生视频。 模型： 提示词文档：
0:20

LTX-2 Model：：开源版Veo3 19B参数的视频模型，能同时生成视频和音频，支持文生视频和图生视频。 模型： 提示词文档：

Gorden Sun

14,380 views • 7 months ago

非常好的 MV，音乐是 Suno 生成，视频用的 Animatediff V2V 。 风格非常强，而且视频内容的节奏跟音乐也可以保持一致。
1:39

非常好的 MV，音乐是 Suno 生成，视频用的 Animatediff V2V 。 风格非常强，而且视频内容的节奏跟音乐也可以保持一致。

歸藏(guizang.ai)

11,945 views • 2 years ago

黄仁勋提到：优秀的AI开源模型对整个行业都是好事，无论它来自哪里... 在和 axios 的最新访谈中，Jensen已经聊到了中国的开源模型和美国闭源模型的看法，今天又特意注册X发文说明为什么开源模型很重要..... 他说：“这些中国模型非常优秀，优秀的开源模型就应该被使用” “我认为优秀的AI开源模型对整个行业都是好事，显然，只要有优秀的AI，即使是开源的，无论它来自哪里，都会带来更多的使用” “优秀的模型带来大量使用，大量使用带来巨大增长。而这只是个开始” “DeepSeek当时就是这样，Kimi也会是这样” “还有一个误解是，开源模型会对闭源模型构成对抗，这也是错的”
1:13

黄仁勋提到：优秀的AI开源模型对整个行业都是好事，无论它来自哪里... 在和 axios 的最新访谈中，Jensen已经聊到了中国的开源模型和美国闭源模型的看法，今天又特意注册X发文说明为什么开源模型很重要..... 他说：“这些中国模型非常优秀，优秀的开源模型就应该被使用” “我认为优秀的AI开源模型对整个行业都是好事，显然，只要有优秀的AI，即使是开源的，无论它来自哪里，都会带来更多的使用” “优秀的模型带来大量使用，大量使用带来巨大增长。而这只是个开始” “DeepSeek当时就是这样，Kimi也会是这样” “还有一个误解是，开源模型会对闭源模型构成对抗，这也是错的”

梭哈.AI

51,098 views • 21 days ago

Flux3真的很强！ 终于看到有模型可以有机会挑战Seedance2.0了 FLUX 3 = 更强的多模态生成模型，核心是把图像、视频、音频放进同一个世界模型里 主打图像、视频、音频和动作预测的统一架构。 它的早期能力重点放在视频生成上，支持最长 20 秒、带原生音频的生成，并且还在推进图像生成与编辑能力 开源模型，假以时日优化优化，可以无限接近和挑战Seedance2.0这种商业模型了
0:20

Flux3真的很强！ 终于看到有模型可以有机会挑战Seedance2.0了 FLUX 3 = 更强的多模态生成模型，核心是把图像、视频、音频放进同一个世界模型里 主打图像、视频、音频和动作预测的统一架构。 它的早期能力重点放在视频生成上，支持最长 20 秒、带原生音频的生成，并且还在推进图像生成与编辑能力 开源模型，假以时日优化优化，可以无限接近和挑战Seedance2.0这种商业模型了

huangserva

28,605 views • 20 days ago

新加坡科技设计大学的DeCLaRe实验室和英伟达开源的一款超快文本转音频模型：TANGOFLUX 在A40 GPU上3.7秒可生成30秒音频 可输出44.1kHz立体声 支持长音频，可生成最长30秒的音频 #音频生成模型 #TANGOFLUX #TexttoAudio
0:32

新加坡科技设计大学的DeCLaRe实验室和英伟达开源的一款超快文本转音频模型：TANGOFLUX 在A40 GPU上3.7秒可生成30秒音频 可输出44.1kHz立体声 支持长音频，可生成最长30秒的音频 #音频生成模型 #TANGOFLUX #TexttoAudio

AIGCLINK

16,394 views • 1 year ago

MiniMax 居然发了一个音乐模型 Music 1.5 试了一下真不错，解决了没有好用的音乐生成 API 的问题 最长生成时间超过了四分钟； 相较于之前的版本在人声、器乐、演奏和歌曲结构上都有优化； 感觉跟 Suno 已经差不多了，而且价格比 Suno 便宜的多，C 端单价一首歌只需要一毛钱； 支持简洁模式，也支持自定义歌词和歌曲结构生成； 支持一些非常小众的民族乐器的生成； 你可以选择 16种风格 × 11种情绪 × 10个场景 这种丰富的组合来生成音乐； 👇下面有对应的测试提示词：
3:00

MiniMax 居然发了一个音乐模型 Music 1.5 试了一下真不错，解决了没有好用的音乐生成 API 的问题 最长生成时间超过了四分钟； 相较于之前的版本在人声、器乐、演奏和歌曲结构上都有优化； 感觉跟 Suno 已经差不多了，而且价格比 Suno 便宜的多，C 端单价一首歌只需要一毛钱； 支持简洁模式，也支持自定义歌词和歌曲结构生成； 支持一些非常小众的民族乐器的生成； 你可以选择 16种风格 × 11种情绪 × 10个场景 这种丰富的组合来生成音乐； 👇下面有对应的测试提示词：

歸藏(guizang.ai)

27,124 views • 11 months ago

在这一段演示当中 很多人可能没有发现一个细节 4分20秒开始，GPT 4o是可以进行即兴创作歌曲并演唱的 而且两个GPT 4o进行了即兴的创作和对唱 这些都是实时进行发生的 也就是OpenAI 实际上已经有了自己的音乐生成模型，而且还很先进。 实际上OpenA确实有自己的音乐生成模型，叫：Jukebox 这个模型甚至在3年前就已经非常厉害了 演示：见二楼↓
5:54

在这一段演示当中 很多人可能没有发现一个细节 4分20秒开始，GPT 4o是可以进行即兴创作歌曲并演唱的 而且两个GPT 4o进行了即兴的创作和对唱 这些都是实时进行发生的 也就是OpenAI 实际上已经有了自己的音乐生成模型，而且还很先进。 实际上OpenA确实有自己的音乐生成模型，叫：Jukebox 这个模型甚至在3年前就已经非常厉害了 演示：见二楼↓

小互

25,543 views • 2 years ago

香港科技大学开源了一个很牛的音乐生成模型 - 最多可以生成 5 分钟的带人声音乐 - 支持中文普通话和粤语 - 在RTX 4090 上，生成30s音频大约需要360秒 - 标签组成为：类型，仪器，情绪，性别和音色
0:59

香港科技大学开源了一个很牛的音乐生成模型 - 最多可以生成 5 分钟的带人声音乐 - 支持中文普通话和粤语 - 在RTX 4090 上，生成30s音频大约需要360秒 - 标签组成为：类型，仪器，情绪，性别和音色

歸藏(guizang.ai)

93,766 views • 1 year ago

现在图生视频都在5秒或10秒，10秒的看上去像5秒的慢放，这个无论是在开源模型还是闭源模型上都有类似效果。尤其对于商业闭源视频来说，如果花费一倍以上的成本生成的10秒视频却只是5秒的慢放版，那就显得太不划算了。这里尝试一个方案：从商业闭源模型生成5秒视频，然后用插帧模型生成10秒视频，以下是使用Topaz插帧和原生的对比，供 这里尝试一个方案：从商业闭源模型生成5秒视频，然后用插帧模型生成10秒视频，以下是使用Topaz插帧和原生的对比，供大家参考。 #女s #les #女仆 #AI视频
0:25

Sensitive content

现在图生视频都在5秒或10秒，10秒的看上去像5秒的慢放，这个无论是在开源模型还是闭源模型上都有类似效果。尤其对于商业闭源视频来说，如果花费一倍以上的成本生成的10秒视频却只是5秒的慢放版，那就显得太不划算了。这里尝试一个方案：从商业闭源模型生成5秒视频，然后用插帧模型生成10秒视频，以下是使用Topaz插帧和原生的对比，供 这里尝试一个方案：从商业闭源模型生成5秒视频，然后用插帧模型生成10秒视频，以下是使用Topaz插帧和原生的对比，供大家参考。 #女s #les #女仆 #AI视频

獨自懵逼

18,922 views • 1 year ago

字节发布了 Seedance 1.0 Pro 视频生成模型。就是即梦里面的视频3.0 pro 模型 提前测试了一下，发现这次字节的视频模型真的站起来了！！ 在提示词理解、画面细节、物理表现一致性理解等方面都无可挑剔 通过火山引擎调用，5 秒 1080P 视频 API 价格仅为 3.67 元 下面有详细的测试👇
1:35

字节发布了 Seedance 1.0 Pro 视频生成模型。就是即梦里面的视频3.0 pro 模型 提前测试了一下，发现这次字节的视频模型真的站起来了！！ 在提示词理解、画面细节、物理表现一致性理解等方面都无可挑剔 通过火山引擎调用，5 秒 1080P 视频 API 价格仅为 3.67 元 下面有详细的测试👇

歸藏(guizang.ai)

68,203 views • 1 year ago