MiniMax Music 3.0 ist in SunoMV: Generationswechsel bei Mischung und Gesang

MiniMax hat Music 3.0 herausgebracht, sein Musikgenerierungsmodell der neuen Generation. Wir haben die Einbindung und echte Tests noch am Erscheinungstag abgeschlossen — wer jetzt die Erstellungsseite von SunoMV öffnet, findet es direkt in der Modellliste. Kein Warten, keine zusätzliche Einrichtung.

1. Was diese Generation tatsächlich verbessert

Laut MiniMax’ offizieller Dokumentation konzentrieren sich die Änderungen von Music 3.0 auf drei Stellen — und genau dort verrät sich KI-generierte Musik am ehesten:

1. Verbessertes Semantikmodell, weniger Abdriften. Du schreibst «späte Nacht, zurückhaltend, nur ein Klavier», und die vorige Generation packte gern volle Streicher dazu. 3.0 trifft die kreative Absicht genauer; MiniMax spricht davon, den üblichen KI-Drift reduziert zu haben. Für Kreative heißt das ganz praktisch: weniger verworfene Versionen, weil die Stilbeschreibung wirklich ankommt.

2. Der größte Sprung liegt diesmal bei der Klangqualität. Der offizielle Wortlaut: keine «gedrängten oder matschigen» Mischungen mehr — dazu Unterstützung für konkrete Instrumente und echte Spieltechniken wie Slides und Legato. Konkret kannst du «E-Gitarren-Slide in den Refrain» verlangen, statt vage «Rock» zu schreiben.

3. Generationswechsel bei der Vocal-Engine. Das digitale Zischen in den Höhen ist verschwunden, und gleichzeitig werden Melodie, Aussprache, Atmung und Harmoniestimmen zu steuerbaren Größen. Gesang war schon immer die auffälligste Schwachstelle von KI-Musik, deshalb entscheidet diese Verbesserung am unmittelbarsten darüber, ob ein Ergebnis veröffentlichbar ist.

2. Unsere gemessenen Werte

Am Tag der Einbindung haben wir denselben Text und dieselbe Stilbeschreibung (Dream Pop, weibliche Stimme, warme Synth-Pads, 90 BPM) verwendet und 3.0 gegen die vorige Generation laufen lassen:

	Generierungszeit	Länge des Ergebnisses
MiniMax 3.0	64 Sekunden	1 Min. 49 Sek.
MiniMax 2.6	46 Sekunden	1 Min. 09 Sek.

Zwei Zahlen, die Erklärung verdienen:

• 18 Sekunden mehr Generierungszeit, dafür ein vollständigeres Ergebnis. 3.0 hat denselben Text zu einer strukturierten Fassung von fast zwei Minuten ausgebaut, 2.6 blieb knapp über einer Minute. Für alle, die Musikvideos machen, ist dieser Unterschied sehr praktisch: Je länger der Song, desto mehr Raum haben die Bilder.
• Instrumental funktioniert ebenso. Ohne Text, nur mit Stilbeschreibung, entsteht eine stabile Instrumentalfassung — brauchbar als Untermalung und für Übergänge.

Dazu gehört die Einordnung: Klangqualität ist ein subjektives Urteil, diese Zahlen zeigen nur Unterschiede im «Generierungsverhalten». Wir empfehlen, denselben Text einmal durch beide zu schicken und im Vergleich zu hören — das ist der schnellste Weg herauszufinden, welches Modell deinem Geschmack entspricht, und genau so wählen wir intern aus.

3. So nutzt du es in SunoMV

SunoMV will kein «weiteres Werkzeug zum Songerzeugen» sein, sondern aus einer Idee ein direkt veröffentlichbares Musikvideo machen. Mit eingebundenem Music 3.0 sieht der komplette Weg so aus:

1. Idee oder Text schreiben — ein Satz genügt, die KI baut daraus den vollständigen Text
2. MiniMax 3.0 wählen — direkt in der Modellliste; in der Stilbeschreibung darfst du Instrumente und Spieltechniken benennen
3. Song generieren — in ein bis zwei Minuten liegt das Ergebnis vor, Text und Musik zugleich
4. Bilder automatisch dazu — der Text wird in Abschnitte zerlegt, jeder Abschnitt bekommt seine generierte Szene
5. Hochkant-Musikvideo exportieren — fertig für TikTok, Reels, Shorts und YouTube

Entscheidend ist Schritt 4: Der Song ist nur Rohmaterial; verteilt wird vom Algorithmus das Musikvideo. Wer nur einen Song generiert, muss immer noch Bilder suchen, sie auf die Timeline legen, schneiden und exportieren. SunoMV übernimmt genau diese Strecke.

Die folgende Skizze entspricht exakt diesem Weg vom Text bis zur fertigen Fassung:

Illustration: erstellt vom BibiGPT-Team

4. Wann du zu diesem Modell greifen solltest

Kein Modell ist grundsätzlich besser, es ist nur passender für ein Szenario. Bei Music 3.0 lohnen sich diese Fälle zuerst:

• Songs auf Chinesisch: MiniMax war bei chinesischer Aussprache und emotionalem Ausdruck schon immer stark, mit dem neuen Vocal-Engine fällt das noch deutlicher aus
• Konkrete Anforderungen an die Instrumentierung: Wenn du präzise Steuerung willst — «Klavier solo in den Refrain», «E-Gitarren-Slide» —, versteht das nur 3.0
• Ergebnisse, die veröffentlicht werden: Das Höhenzischen im Gesang ist die KI-Spur, die Hörer zuerst bemerken; diese Verbesserung entscheidet also direkt über die Verwendbarkeit

Willst du bloß schnell einen 30-Sekunden-Schnipsel zum Ausprobieren, gibt es in der Liste leichtere und schnellere Optionen. Geht es um ein fertiges, veröffentlichungsreifes Stück, ist Music 3.0 derzeit eine der ersten Wahlen.

5. Ab sofort nutzbar

MiniMax Music 3.0 ist in SunoMV live — ohne Warten, ohne Antrag. Öffne die Erstellungsseite, wähl es in der Modellliste aus und schreib deine erste Zeile: Zwei Minuten später hast du einen vollständigen Song, und einen Schritt weiter ein Musikvideo, das du direkt veröffentlichen kannst.

Die vorige Generation MiniMax 2.6 bleibt in der Liste — wer ihr Timbre mag, nutzt sie einfach weiter.

Die vollständige Aufschlüsselung des Modells und die häufigsten Fragen stehen auf der Seite zu MiniMax Music 3.0.