MiniMax-Music3 對決 Lyria 3.5：開放權重迎戰 Google 的音樂圍牆花園

MiniMax-Music3 與 Lyria 3.5 都能從文字提示生成完整歌曲，而它們的相似之處大致也就到此為止。G​ogle 於 2026 年 7 月 29 日將 Lyria 3.5 放進其 Flow Music 消費級應用程式，對訂閱者免費，沒有公開權重，也沒有已確認的開發者 API；Mini​Max 於 2026 年 8 月 13 日在 Hugging Face 上以開放權重的形式發布 MiniMax-Music3，此前其 music-3.0 API 已於 7 月 16 日起上線。同樣的工作，截然不同的發布策略。這項比較要探討的是，這種差異實際上能為你帶來什麼好處；而首先要提出一個關於來源的提醒：雙方每一項品質宣稱都是廠商自行報告的，截至撰寫本文時，兩個模型也都沒有獨立基準測試或已發布的正面對決評測。

兩種發布哲學

{{1}}Lyria 3.5 是一項消費級功能。{{/1}}{{2}}它存在於 Flow Music（Google 收購並重新命名的 Riffusion 產品）內{{/2}}{{3}}，可生成 30 秒至三分鐘的曲目{{/3}}{{4}}，Google 形容它能呈現「更真實且情感細膩的人聲」。{{/4}}{{5}}它支援多語言人聲——{{/5}}{{6}}發布示範涵蓋英語、西班牙語、法語、印地語和葡萄牙語——{{/6}}{{7}}加上圖像轉音樂輸入{{/7}}{{8}}、對速度、BPM、調性、人聲風格和配器的控制{{/8}}{{9}}，以及一個「選擇性區段繪製」工具，用於重新製作曲目的部分段落。{{/9}}{{10}}Google 表示模型頁面帶有 SynthID 浮水印。{{/10}}

MiniMax-Music3 是為開發者打造的構件。其開源權重版本是一條完整管線——8B 全域 LLM 加上 0.6B 區域 LLM，透過 2.4B Flow Matching 模組融合，再經 Flow-VAE 輸出 32 kHz 立體聲 WAV——而且可在約 22 GB 的 VRAM 中自行部署。它的控制介面是一段結構化提示詞：曲風、子曲風、BPM、調性、音階、情緒推進、人聲細節，以及各段落的編排配置，歌詞則標註為 [Verse]、[Chorus]、[Bridge] 等段落。如果說 Lyria 3.5 是產品，那麼 MiniMax-Music3 就是元件。

計分板

• 歌曲長度 — MiniMax-Music3 單次生成最多五分鐘，對比 Lyria 3.5 最多三分鐘。

• 權重 — MiniMax-Music3 開放，自 2026-08-13 起可下載，無需申請；而 Lyria 3.5 封閉、無權重、無法自行託管。

• 輸出 — MiniMax-Music3 32 kHz 16-bit 立體聲 WAV 檔案由你保留並擁有，而 Lyria 3.5 音訊則存在於 Flow Music 的播放器中。

• 控制 — MiniMax-Music3 結構化說明，涵蓋 BPM、調性、音階及各段落編排，對比 Lyria 3.5 的速度、BPM、調性、人聲風格控制，以及生成後的選擇性段落繪製。

• 自行部署 — MiniMax-Music3 可以，根據文件記載透過 SGLang-Omni、diffusers 與 ComfyUI 路徑約需 22 GB VRAM，而 Lyria 3.5 則不行。

• 價格 — MiniMax-Music3 在 API 上每首歌 $0.15（最長五分鐘），免費層級為每分鐘 3 次請求；Lyria 3.5 則在 Flow Music 訂閱中免費使用，3.5 的開發者 API 定價尚未確認。

最後一行需要加個註腳。關於 Lyria 每個 30 秒片段約 0.04 美元、每首三分鐘歌曲約 0.08 美元的流傳數字，是針對較早的 Lyria 3 與 3 Pro 世代所報導的，尚未經 3.5 確認；Google 也未在 Gemini API 上公布 3.5 的模型 ID 或端點。請將 Lyria 的 API 定價視為一個開放問題。

上面顯示的 MiniMax-Music3 模型卡是這次開放發布的完整文件——沒有其他論文或發布文章可以參考，因此這項比較在很大程度上依賴 README 中的宣稱。

人聲的問題

兩款模型都以人聲為主。Google 宣稱 Lyria 3.5 具備「更真實且情感更細膩的人聲，加上更佳的發音」；MiniMax 的 music-3.0 發行說明則聲稱，新的聲樂引擎消除了高頻「數位嘶聲」，並能控制旋律、咬字、呼吸與多層和聲。兩者皆為廠商說詞，且均未經獨立複現。

然而，確實有一批針對 Lyria 3.5 的早期獨立測試，結果可說是喜憂參半。Linux.do 上的一項社群測試發現，人聲與旋律有所進步，但中文歌詞辨識率卻倒退到約 5% 的準確度；一篇日文實測則認為人聲令人信服，但偶爾有發音上的小瑕疵。這就是 Google 對於發音宣稱的誠實基準：在某些語言上令人信服，在其他語言上則站不住腳。至於 MiniMax-Music3，目前根本還沒有任何獨立測試——其程式庫公開才一天——因此唯一公允的說法是，雙方對於人聲的宣稱都未經證實，而 Lyria 3.5 的宣稱已經部分遭到反駁。我們先前在下方所示的 Lyria 3.5 發布報導中，已更深入涵蓋了 Lyria 這方面的內容。

每個實際花費是多少

成本比較會因計算方式不同而呈現明顯落差。對消費者而言，Lyria 3.5 實際上等同免費——Flow Music 的入門方案每月約 6 至 8 美元，且已包含此模型。對開發者而言，MiniMax-Music3 則便宜得多：每首五分鐘的歌曲僅需 0.15 美元，若自行託管則只需 GPU 的成本；反觀 Lyria，其 API 定價尚未確認，而且該 API 可能根本還不存在。

The per-minute math is worth doing explicitly.{{1}} MiniMax's $0.15 buys up to five minutes of song, so roughly $0.03 per minute at full length.{{2}} Even the most optimistic reported Lyria figure, ~$0.08 per three-minute track, is about $0.027 per minute — nearly identical.{{3}} The real difference is not the unit price; it is that MiniMax's price is published and the model is runnable on your own hardware, while Lyria's developer story is speculative.{{4}}

誰應該選哪個

如果您是 Flow Music 訂閱者、想要精緻的消費者體驗、重視 Google 生態系（影像轉音樂、編輯工具），並且能接受輸出僅限於應用程式內、沒有權重、也沒有已確認的 API，那麼請選擇 Lyria 3.5。對於想要創作歌曲而非操作模型的人來說，它是更好的產品。

如果你正在打造某項產品——應用程式、遊戲配樂流程、翻唱生成器、或歌詞轉歌曲服務——而需求是輸出必須為你可掌控的檔案、成本必須可預測、或模型必須能在你自己的環境中運行，那麼 MiniMax-Music3 就是你的選擇。開放權重加上結構化描述，讓它在整合工作上具備決定性的工程優勢；而五分鐘的上限，比起 Lyria 的三分鐘，更是一項實質的領先。

對於不想鎖定任何一方賭注的團隊來說，定價避險和模型本身一樣重要：在像 OrcaRouter 這類直通路由器上，提供商的目錄價格直接轉傳、不加價差，所以當供應商降價時，降價當天就生效——無需重新協商，也無需中間商重新定價。在一個兩家供應商定價都還這麼新（變化彈性仍如此初期）的類別中，這點值得謹記。

誠實的底線

Lyria 3.5 是更好的消費者體驗，擁有更大的品牌和未經證實的 API；MiniMax-Music3 是更好的開發者資產，擁有公開的價格、開放的權重，以及零個獨立的聆聽測試。在接下來幾週內，這種不對稱就是全部重點：Google 在銷售一個功能，而 MiniMax 在推出一個基礎。決定這場對決的問題是，開放檢查點聽起來是否和 API 版本一樣好——而目前還沒有人公佈這個答案。