أوزان MiniMax-Music3 المفتوحة أصبحت متاحة: ما يظهره المستودع وما لم يتم تأكيده

ظهر نموذج توليد الموسيقى مفتوح الأوزان MiniMax-Music3 على Hugging Face في 2026-08-13 ضمن منظمة MiniMaxAI، دون ورقة بحثية أو تدوينة إطلاق أو تقرير معايير — فقط الأوزان، وملف README، ومنشور اجتماعي مقتضب يصفه بأنه نموذج "الجيل التالي الجاهز للإنتاج" لتحويل النص إلى موسيقى. وقت كتابة هذا التقرير، كان المستودع يحظى بحوالي 25 عملية تنزيل و60 إعجابًا، وهو ما يبدو عليه الإصدار الهادئ. هذه مقالة حول ما نعرفه حتى الآن: كل ما يلي والموسوم بـ"من المستودع" يأتي مباشرة من بطاقة النموذج وملفاته، وكل ما لم يُؤكَّد بعد مُعلَّم على هذا النحو.

أولاً، تصحيح تاريخ.

يشترك إصداران في عائلة هذا النموذج، ومن المفيد التفريق بينهما. نموذج واجهة برمجة التطبيقات المستضاف music-3.0 أصبح متاحًا على منصة MiniMax في 16 يوليو 2026، بسعر 0.15 دولار لكل قطعة مولّدة حتى خمس دقائق، مع خطة مجانية محدودة المعدل. الإصدار مفتوح الأوزان الذي يحمل اسم MiniMax-Music3 ظهر على Hugging Face بعد شهر تقريبًا، في 2026-08-13. لم تذكر الشركة صراحةً ما إذا كانت الأوزان المفتوحة هي نفسها التي تشغّل واجهة برمجة التطبيقات — وهذا التكافؤ أحد العناصر غير المؤكدة في هذه القائمة — لكن ملف README يصف نفس القدرة على إنشاء أغنية كاملة مدتها خمس دقائق ونفس سطح التحكم بالتسميات المنظمة، فهما على الأقل نفس الجيل.

ما الذي يحتويه المستودع فعليًا

MiniMax-Music3 عبارة عن بنية هرمية هجينة، والملف README محدد بشكل غير معتاد بشأن مكوناتها. نموذج لغوي عالمي (LLM) بحجم 8 مليارات معلمة — تمت تهيئته من Qwen3-8B — يتنبأ إطارًا بإطار بدفتر الشيفرة الأول للتكميم المتجهي المتبقي، ويتكفل بالبنية بعيدة المدى للأغنية: الثيمات، والإيقاع، والهوية الصوتية، وتطوّر التوزيع. نموذج لغوي محلي بحجم 0.6 مليار معلمة يتنبأ بدفاتر الشيفرة الصوتية المتبقية داخل كل إطار. وبدلاً من فك الترميز من الرموز المتقطعة فقط، فإنّ وحدة Flow Matching (2.4 مليار معلمة) تدمج الحالات الخفية النهائية لكلا النموذجين اللغويين وتولّد كمونًا مستمرًا، وهو ما مفكك ترميز Flow-VAE (123 مليون معلمة) يحوّله إلى صوت استريو بمعدل 32 كيلوهرتز و16-بت.

المُرمِّز هو مكدس RVQ من ثماني طبقات: يحتوي كتاب الشيفرة الدلالي الأول على 16,384 مدخلًا؛ بينما تحتوي كتب الشيفرة الصوتية السبعة على 1,024 مدخلًا لكل منها. يبدأ التدريب بتحسين كتاب الشيفرة الدلالي، ثم تحسين الكتب الثمانية جميعها بشكل مشترك.

ما الذي يتضمّنه المستودع تحديدًا: أوزان نموذج اللغة في أربعة أجزاء safetensors، وعمود فقري قائم على Qwen من 48 جزءًا يقع تحت qwen_7B/، وFlow-VAE (flowmatching_vae.pth)، ومفكّك العمق RVQ، ومشفّر الشروط، والفوكودر، والمجدول، وملفات التوكنيزر، وفهرس النموذج المعياري diffusers، وسكربت اختبار شامل مع صوت مرجعي. هذا نموذج قابل للتشغيل، وليس مجرد تشويقة بأوزان داخل صندوق.

سطح التحكم هو الجزء المثير للاهتمام

صيغة الإدخال هي ما يميّز هذه الأداة عن التوليد الموسيقي بالتوجيه والدعاء. تأخذ MiniMax-Music3 كلمات الأغنية ووصفًا موسيقيًا، ويوصي ملف README بتسمية توضيحية منظمة تتضمن ثلاثة أقسام: بيانات وصفية عامة (النوع، النوع الفرعي، BPM، المفتاح الموسيقي، السلم، التطور العاطفي، سيناريو الاستماع، الملف الإنتاجي)، وتفاصيل صوتية (الجنس، الجرس الصوتي، أسلوب الأداء، التناغم، الغناء الخلفي، المؤثرات)، والتوزيع (الآلات الأساسية والثانوية، تطور الآلات على مستوى المقاطع، الإحساس الإيقاعي، البيس، آلات الإيقاع، الملمس، المؤثرات المكانية).

تقبل كلمات الأغاني وسوم أقسام صريحة — [Intro]، [Verse]، [Pre-Chorus]، [Chorus]، [Bridge]، [Instrumental]، [Solo]، [Outro] — بحيث يمكن إخبار النموذج بدقة أين يقع الكورس وما يحدث في الجسر. وهذا مستوى من التحكم الهيكلي لا توفره معظم مولدات الموسيقى الاستهلاكية إلا من خلال التعديل اللاحق، إن وُجد. وتضيف واجهة برمجة التطبيقات المستضافة نفس عناصر التحكم كمعاملات: is_instrumental كعلامة، و lyrics_optimizer لتوليد الكلمات تلقائيًا، وإعداد صوتي يغطي MP3 أو WAV أو PCM بترددات 16/24/32/44.1 كيلوهرتز ومعدلات 32/64/128/256 كيلوبت/ثانية.

ما تكلفة إدارة نفسك

هذا ليس نموذجًا ثقيلًا حسب معايير عام 2026. يذكر ملف README أن الدقة الكاملة تتسع في 24 جيجابايت من ذاكرة VRAM، وأن التوليد يعمل في حوالي 22 جيجابايت مع التفريغ التلقائي إلى وحدة المعالجة المركزية، وأن بث نموذج اللغة طبقة بطبقة يقلل المتطلبات إلى ما يكفي للعمل على بطاقات بسعة 8 جيجابايت. كما يتم توثيق ثلاثة مسارات للتشغيل: SGLang-Omni (أمر تشغيل sgl-omni في سطر واحد)، diffusers خط أنابيب معياري (إن PR الخاص بالدمج هو huggingface/diffusers#14456، ولا يزال غير مدمج وقت كتابة هذا النص)، وComfyUI.

قصة التقديم هذه تهم معظم القرّاء أكثر من البنية، لأنها الفرق بين "نموذج موجود" و"نموذج يمكنك تشغيله فعليًا." مسار diffusers هو استدعاء واحد لـ from_pretrained وينتج ملف WAV ستيريو بتردد 32 كيلو هرتز تملكه، على قرصك الخاص، دون حد أقصى للمعدل ودون عدّاد لكل أغنية.

الترخيص الذي يتم إرفاقه فعليًا

يصدر MiniMax-Music3 بموجب "رخصة مجتمع MiniMax-Music3"، وهي متسامحة من الناحية العملية ولكنها مشروطة. يمكنك استخدام البرنامج والأوزان ونسخها وتعديلها والترخيص بها من الباطن؛ ويجب عليك عرض "MiniMax-Music3" بشكل بارز في واجهة المستخدم لأي منتج تجاري يستخدمه؛ وإذا تجاوز إجمالي الإيرادات السنوية من هذه المنتجات20 مليون دولار أمريكي، فأنت بحاجة إلى تفويض كتابي منفصل من MiniMax. هناك أيضًا سياسة الاستخدام المقبول (الملحق أ) التي تغطي المحظورات المعتادة بالإضافة إلى متطلبات الإفصاح عن المحتوى المولّد آليًا.

في العمق، يتكوّن النموذج من مجموعة أجزاء مستعارة ذات أصول أكثر تساهلاً: Global LLM مضبوط بدقة من Qwen3-8B (Apache 2.0)، ومكوّن التدفق DiT-2B معدَّل من كود Stable Audio (MIT)، وVAE معدَّل من كوديك الصوت DAC (MIT). لذا فإن قيود ترخيص المجتمع تقع فوق مكونات Apache/MIT، ومتطلب الإسناد هو القيد العملي الذي سيشعر به معظم المستخدمين التجاريين.

المسار المُستضاف الذي أُطلق أولاً

إذا كنت لا ترغب في تشغيل الأوزان إطلاقًا، فإن نسخة API متاحة منذ 16 يوليو. معرّفات النماذج music-3.0 (مدفوع، 120 طلبًا في الدقيقة) وmusic-3.0-free (مجاني، 3 طلبات في الدقيقة) تقع خلف api.minimax.io/v1/music_generation، مع نقطة نهاية منفصلة لتوليد كلمات الأغاني بسعر 0.01 دولار لكل أغنية. تنتهي صلاحية روابط الإخراج بعد 24 ساعة، أو يمكن إرجاع الصوت بصيغة hex للبث — وهو تصميم مبني بوضوح لتكامل التطبيقات بدلاً من الأرشفة.

تسعير واجهة برمجة التطبيقات ثابت لكل وحدة: 0.15 دولار لكل أغنية مولّدة تصل مدتها إلى خمس دقائق. الطبقة المجانية هي النموذج نفسه بمعدل 3 طلبات في الدقيقة، وهو قابل للاستخدام فعليًا لبناء النماذج الأولية. إذا كنت بحاجة إلى سعة استضافة ذاتية بدلاً من ذلك، فإن الأوزان المفتوحة تغيّر معادلة التكلفة كليًا — تدفع مقابل وحدات معالجة الرسومات، وليس مقابل كل أغنية، ويختفي عداد الدفع لكل أغنية.

ما الذي لم يتم تأكيده؟

أن نكون دقيقين بشأن ما لا نعرفه هو الهدف من هذا المقال.

• لا يوجد تقييم مستقل.كل ادعاءات القدرات أعلاه مصدرها ملف README ووثائق API الخاصة بـ MiniMax نفسها. لم تنشر أي جهة خارجية اختبار استماع، أو معيارًا لجودة الموسيقى، أو مقارنة مباشرة مع Suno أو Udio أو Lyria 3.5 من Google حتى وقت كتابة هذا النص.

• نقطة التحقق المفتوحة مقابل نقطة التحقق عبر API.لم يذكر المورّد ما إذا كانت الأوزان على Hugging Face هي النموذج الفعلي الذي يعتمد عليه music-3.0. افترض أنها «من الجيل نفسه» ما لم يُذكر خلاف ذلك، لكن الأمر غير مؤكد.

• لا توجد ورقة بحثية ولا بيان عن بيانات التدريب. لا يوجد تقرير تقني، ولا يصف ملف README مجموعة بيانات التدريب أو ترخيصها أو تدقيق مصدر البيانات — وهو سؤال حيوي لأي شخص يوزع موسيقى تجارية، حيث كان موقف بيانات التدريب لدى المنافسين المغلقين موضوع دعاوى قضائية استمرت لعدة سنوات.

• لا توجد إرشادات حول تكلفة الاستضافة الذاتية. الرقم 22 جيجابايت هو الذاكرة، وليس السعر. لم ينشر أحد عدد الرموز لكل أغنية أو معدل الإنتاج بالساعة لهذا النموذج على الأجهزة النموذجية.

لماذا يهم هذا الأمر للمطورين

نقطة فحص عمرها يومان لم يختبرها تحت الحمل أحد سوى المختبر، وهذه هي الحالة تحديدًا التي يُثبت فيها التوجيه مع التبديل التلقائي (failover) جدارته. طبقة التوجيه — من النوع الذي تشغّله OrcaRouter لأكثر من 200 نموذج بتمرير أسعار المزودين كما هي — تتيح لك توجيه مسار اختبار نحو نموذج جديد مفتوح الأوزان، ثم العودة تلقائيًا إلى نموذج مجرَّب عندما يتعثّر النموذج الجديد، دون عقد إضافي أو تغيير في الكود. يمكنك التعامل مع MiniMax-Music3 كتجربة هذا الأسبوع وتبعية الشهر المقبل، دون أن تتغير البنية التحتية بين هاتين الحالتين.

القراءة الاستراتيجية أبسط. أصبحت MiniMax الآن واحدة من عدد قليل من موردي توليد الموسيقى الذين يقدمون كلاً من واجهة برمجة تطبيقات مدفوعة وأوزانًا مفتوحة لنفس عائلة المنتجات. تعد Suno و Udio منصتين مغلقتين. إن Lyria 3.5 من Google هي ميزة تطبيق استهلاكي. إذا كان checkpoint المفتوح قريبًا حتى من نسخة واجهة البرمجة من حيث الجودة، فإن طول الخمس دقائق، والتحكم في التسمية التوضيحية المنظمة، وبصمة الخدمة البالغة 22 غيغابايت تجعله أساسًا موثوقًا للاستضافة الذاتية — وهي فئة لم يكن لها دخيل موثوق قبل أسبوع.

ماذا تشاهد بعد ذلك

الأمران اللذان سينقلان هذه القصة من «مستودع مثير للاهتمام» إلى «منصة متينة»: أول اختبارات استماع مستقلة (تميل إلى الظهور خلال أيام من إصدار نموذج موسيقي مفتوح)، وما إذا كان تكامل diffusers قد تم دمجه، وهو ما سيضع MiniMax-Music3 في كل خط أنابيب موسيقي قائم على diffusers. راقب أيضًا ورقة بحثية، وبيانًا حول بيانات التدريب، وأي تغيير في سعر واجهة برمجة التطبيقات المستضافة — فعلى موجه تمرير (pass-through router)، يكون تخفيض سعر البائع فعالًا في نفس اليوم، وهي اللحظة التي يصبح فيها المسار المستضاف هو الخيار الافتراضي الواضح لمعظم الفرق.