minimax-music

MiniMax Music の音楽制作

オリジナル曲、インストゥルメンタルのバックトラック、テーマ曲、ジングル、またはスタイルのプロンプト、歌詞、もしくは使用許可を得た参照音声からのカバー風アレンジが必要な場合は、MiniMax Music を使用してください。汎用的な効果音ツールではなく、音楽制作プロバイダーとして扱ってください。

2026-07-10 に確認した、現在公開されている API は次のとおりです。

• テキストからの音楽生成、インストゥルメンタル音楽の生成、カバー生成には POST https://api.minimax.io/v1/music_generation を使用します。
• 歌詞の作成、または歌詞の編集・続きを生成するには POST https://api.minimax.io/v1/lyrics_generation を使用します。
• 編集可能なカバーのワークフローに先立って、参照トラックの特徴 ID、構造化された歌詞、概略構成を抽出するには POST https://api.minimax.io/v1/music_cover_preprocess を使用します。
• グローバル向けドキュメントには https://api.minimax.io が記載されています。エコシステム内の一部のツールでは、https://api.minimaxi.com のような中国向けエンドポイントを区別しています。有効なキーで認証に失敗する場合は、何度も再試行するのではなく、ユーザーのアカウントのリージョンと設定済みのベース URL を確認してください。

2026-07-10 に確認した情報源：MiniMax の音楽ガイド、API リファレンス、歌詞 API リファレンス、カバーの前処理リファレンス、レート制限ガイド、従量課金の料金ガイド、統合利用規約、Audio Music Creation Terms、プライバシー概要：

• https://platform.minimax.io/docs/guides/music-generation
• https://platform.minimax.io/docs/api-reference/music-generation
• https://platform.minimax.io/docs/api-reference/lyrics-generation
• https://platform.minimax.io/docs/api-reference/music-cover-preprocess
• https://platform.minimax.io/docs/guides/rate-limits
• https://platform.minimax.io/docs/guides/pricing-paygo
• https://www.minimax.io/terms-of-service-v2.html
• https://www.minimax.io/audio/doc/terms-of-service-music.html
• https://www.minimax.io/privacy-policy-v2.html

ジョブの振り分け

生成を始める前に、次のいずれかの方法を選択してください。

1. ユーザー提供の歌詞を使ったオリジナル曲：model: "music-2.6" または music-2.6-free、音楽制作スタイルの prompt、提供された lyrics を指定して music_generation を呼び出します。
2. 歌詞のないオリジナル曲：最初に lyrics_generation を使用するか、music-2.6／music-2.6-free を使用する場合は、空の歌詞とともに lyrics_optimizer: true を設定します。言葉が重要な場合は、歌詞を別途生成する方法を推奨します。音声生成に料金を支払う前に、構成、ブランドセーフティ、韻を確認できるためです。
3. インストゥルメンタル：is_instrumental: true を指定して music_generation を呼び出し、lyrics は省略します。プロンプトは必須です。ジャンル、ムード、楽器編成、エネルギーの展開、用途、編集上の制約を指定してください。
4. 使用許可を得た参照音声からすばやくカバーを生成：model: "music-cover" または music-cover-free、audio_url または audio_base64、および目標とするスタイルのプロンプトを指定して music_generation を呼び出します。lyrics を省略すると、歌詞が自動的に抽出されます。
5. 使用許可を得た参照音声から編集可能なカバーを生成：最初に music_cover_preprocess を呼び出して formatted_lyrics を確認・修正し、その後、編集した歌詞と cover_feature_id を指定して music_generation を呼び出します。

ユーザーが意図する用途に必要な参照音声、演奏、声、歌詞の権利を所有しているか、ライセンスを取得していない限り、カバーモードを使用しないでください。MiniMax の Audio Music Creation Terms では、音声、歌詞、音楽、声、作品など、入力コンテンツに対する権利または使用許可が必要です。入力に人物の声が含まれる場合は、許可が必要です。

現在の API に関する重要事項

以下の情報は MiniMax のドキュメントに記載されており、2026-07-10 に確認済みです。

モデルの選択肢：

• music-2.6：テキストからの音楽生成に推奨されるモデルです。Token Plan および有料ユーザーが利用でき、RPM はより高くなります。
• music-2.6-free：無料枠のテキストからの音楽生成モデルです。API キーで利用でき、RPM はより低くなります。
• music-cover：参照音声からのカバー生成モデルです。有料／Token Plan のユーザー向けです。
• music-cover-free：無料枠の参照音声からのカバー生成モデルです。

主なリクエストフィールド：

• modelは必須です。
• promptにはスタイル、雰囲気、シナリオを記述します。インストゥルメンタルのmusic-2.6では必須で、1～2000文字です。非インストゥルメンタルのmusic-2.6では任意ですが、制作をコントロールするため、指定することをおすすめします。カバーモデルでは必須で、10～300文字です。
• lyricsには、改行区切りの歌詞と、[Intro]、[Verse]、[Pre Chorus]、[Chorus]、[Interlude]、[Bridge]、[Outro]、[Post Chorus]、[Transition]、[Break]、[Hook]、[Build Up]、[Inst]、[Solo]などの構成タグを指定できます。非インストゥルメンタルのmusic-2.6では、lyrics_optimizer: trueを空の歌詞と組み合わせて使用しない限り、歌詞は必須です。記載されている長さは1～3500文字です。カバーモデルでは、システムが参照音声から歌詞を抽出する場合は任意ですが、cover_feature_idを使用する場合は10～1000文字の歌詞が必須です。
• lyrics_optimizer: trueはmusic-2.6／music-2.6-freeでのみサポートされています。歌詞が空の場合、プロンプトから歌詞を自動生成します。
• is_instrumental: trueはmusic-2.6／music-2.6-freeでのみサポートされており、歌詞は不要になります。
• streamのデフォルト値はfalseです。
• output_formatのデフォルト値はhexです。urlもサポートされています。stream: trueの場合、hexのみサポートされます。URL形式の出力は24時間後に期限切れになるため、すぐにプロジェクトのアセットフォルダーへダウンロードしてください。
• audio_settingでは、sample_rateに16000、24000、32000、44100、bitrateに32000、64000、128000、256000、formatにmp3、wav、pcmを指定できます。
• audio_urlとaudio_base64はカバーモデル専用です。クイックカバーモードではいずれか一方が必須で、cover_feature_idとは併用できません。
• カバーモードと前処理における参照音声の制約は、長さが6秒～6分、サイズが最大50 MB、形式がmp3、wav、flacなどの一般的な形式です。
• cover_feature_idは前処理エンドポイントから取得します。有効期間は24時間で、2回目の生成呼び出しでは歌詞が必要です。同じ音声コンテンツには同じIDが返されます。

応答とライフサイクル：

• 音楽の生成に成功すると、応答にdata.statusが含まれます。1は処理中、2は完了を示します。
• output_format: "hex"の場合、data.audioには16進数でエンコードされた音声が格納されます。これをデコードして永続的なローカルファイルに書き込んでください。ログだけに音声を残さないでください。
• extra_infoには、長さ、サンプルレート、チャンネル数、ビットレート、サイズが含まれる場合があります。
• trace_id、モデル、プロンプト、歌詞または歌詞の取得元、音声設定、出力ファイルのパス、コストの見積もり、権利に関するメモをアセットマニフェストに保存してください。

レートとコスト：

• MiniMaxのレート制限ガイドによると、Music-2.6、Music-Cover、Music-2.0の音楽生成は、120 RPM、同時接続数20です。無料プランではRPMがさらに低い場合があります。バッチ生成の前に、アカウントごとの利用上限を確認してください。
• MiniMaxの従量課金制の料金では、Music-2.6は「最大5分の音楽あたり$0.15」で、限定的に無料で利用できます。また、歌詞生成は「1曲あたり$0.01」で、こちらも限定的に無料で利用できます。旧バージョンのMusic-2.5+とMusic-2.5も、同じ5分単位の料金で掲載されています。Music-2.0はそれより低価格です。予算を確定する前に、最新の料金を再確認してください。

エラー処理：

• base_resp.status_code: 0は成功を意味します。
• 関連するエラーコードとして、1002（レート制限）、1004（認証失敗）、1008（残高不足）、1026（センシティブな内容としてフラグ付け）、2013（無効なパラメーター）、2049（無効なAPIキー）が記載されています。
• 1002が発生した場合は、ユーザーが承認したバッチの範囲内で、バックオフして再試行してください。
• 1004または2049が発生した場合は、キーの有効性、アカウントのプラン、リージョンのエンドポイントを確認してください。
• 1008が発生した場合は処理を停止し、チャージするか、プランを切り替えるか、キャンセルするかをユーザーに確認してください。
• 1026が発生しても、モデレーションを回避しないでください。安全でない素材や権利を侵害する素材を取り除くよう、クリエイティブブリーフまたは歌詞を修正してください。
• 2013が発生した場合は、必須フィールドの組み合わせ、長さの制限、併用できないフィールド、音声設定を検証してください。

本番向けのプロンプト作成

prompt は短い音楽制作ブリーフのように記述します。サウンドの個性、感情面での役割、アレンジ、必要に応じたボーカルの方向性、構成や展開、使用状況を含めてください。用途が一般的な場合を除き、「映画のようで感動的」といった曖昧な表現は避けてください。

プロンプトに役立つ要素：

• ジャンルとサブジャンル：「インディーフォーク」、「フューチャーベース」、「モータウンに影響を受けたソウル」、「90年代のブーンバップ」、「ミニマルなピアノアンビエント」。
• 用途：「創業者がナレーションを担当するローンチ動画の下に流す」、「ループ再生できるShortsのイントロ」、「30秒の商品用ジングル」、「エンドクレジットのテーマ」。
• テンポとエネルギー：「72 BPM程度のゆったりしたテンポ」、「歩くようなミディアムテンポ」、「まばらな音から壮大な盛り上がりへ展開する」。
• アレンジ：リード楽器、パーカッションの密度、ベースの存在感、質感、静寂や余白。
• ボーカルの方向性：役立つ場合に限り、歌手の性別や声質を指定します。許可があり、認められている場合を除き、実在する特定可能なアーティストや複製した声をリクエストしないでください。
• ミックスの要件：「ナレーション用の余白を残す」、「会話の下で目立つリードメロディーを流さない」、「ロゴ表示に合わせて0:08に強いダウンビートを入れる」、「広告の短縮版に使えるよう、すっきりとした終わり方にする」。
• 否定的な制約：「耳障りなシンバルは使わない」、「奇抜さやコメディ調は避ける」、「露骨な歌詞は入れない」、「特定のアーティストを模倣しない」。

歌詞には、明示的な構成タグを使うことをおすすめします。サビの言葉は印象に残るものにしつつ、合成音声のように感じられるほど繰り返さないようにします。ブランド名や製品名は控えめに使ってください。多くの音楽モデルでは、すべての行に製品名を含めると、繰り返し出てくる名詞が強調されすぎます。

動画では、編集に合わせて音楽を構成します。

• 6～15秒：ジングル、フック、締めの音、またはループを使います。歌詞が重要な場合を除き、インストゥルメンタルにします。
• 15～30秒：明確な盛り上がりと、ロゴ表示に合わせたダウンビートがある広告／ソーシャル動画用のBGMにします。
• 30～60秒：短い楽曲セクションまたはインストゥルメンタルの展開にし、場面転換に合ったセクションタグを付けます。
• 60秒以上：フル楽曲またはステム風のメインミックスを作成し、その後、外部で短縮編集します。

MiniMax が生成するのは完成済みのミックスであり、個別のステムではありません。ナレーションに合わせたダッキング、タイトル表示に適したビート、ステム、別バージョンの短縮編集が必要な場合は、生成後にローカルのオーディオエディター／DAW／FFmpegで後処理する計画を立ててください。

生成物の管理

生成リクエストを送信する前に、次のような出力先パスを作成します。

projects/<project-id>/assets/music/minimax_<slug>_<model>_<timestamp>.mp3

出力を受け取った後：

1. 出力が16進数の場合は、audio_setting.format に指定した拡張子に合わせて16進文字列をデコードします。
2. 出力がURLの場合は、すぐにダウンロードします。MiniMaxのドキュメントによると、URLリンクの有効期限は24時間です。
3. 基本的なメディア検査を実行します。再生時間、チャンネル数、サンプルレート、ビットレート、ファイルサイズ、デコード可能かどうかを確認します。
4. トラック全体を試聴します。波形のメタデータだけで承認しないでください。
5. 生成の来歴を記録します。エンドポイント、モデル、シークレットを除いたリクエストJSON、trace_id、base_resp、extra_info、ソース／参照音声のパスまたはURL、権利に関する注記、レビュー担当者の判断、編集計画を含めます。

推奨される本番向けデフォルト：

• Web／動画／ソーシャル向け：audio_setting: { "sample_rate": 44100, "bitrate": 256000, "format": "mp3" }。
• ポストプロダクションのマスタリングや大幅な編集向け：ストレージに余裕があればwavを優先します。
• ストリーミング応答の処理やペイロードへの依存を最小限に抑える場合：hexを使用し、ローカルでデコードします。
• アセットをすぐにダウンロードするシンプルな連携デモでは、output_format: "url"を使用してもかまいませんが、ファイルは必ずローカルに保存してください。

QA チェックリスト

生成されたトラックをすべて確認し、次の点をチェックします。

• ブリーフとの適合性：ジャンル、雰囲気、エネルギー、楽器編成、ボーカルの有無、編集タイミング。
• 歌詞：発音上のリスク、文法、不自然な韻律、意図しない不適切な言葉、ブランド表記の正確さ、主張、ポリシー上慎重な対応が必要な内容。
• 音楽の品質：クリッピング、ポンピング、不自然なトランジション、ステレオイメージの縮小、ナレーション中にメロディーが混み合いすぎていないか、不自然な終わり方、イントロの無音、ジャンルの不一致。
• 長さと編集のしやすさ：必要な拍で終わるか、ループ可能なセクションがあるか、自然にフェードアウトできるか。
• 権利と開示：入力素材が許可されたものか、実在のアーティストの模倣や無許可の声・ペルソナを求めるプロンプトがないか、公開先で必要な場合、または MiniMax の通知で表示が求められる場合に AI 生成であることを開示しているか。
• 納品仕様：想定フォーマット、サンプルレート、ポスト処理後のラウドネス目標、正規のプロジェクトアセットフォルダーへの保存。

簡単なトリミング、フェード、EQ、ダッキングでは修正できない形でトラックがブリーフに沿わない場合は、少なくとも1回は再生成します。再生成する際は、比較が有用なままになるよう、失敗の原因となった変数だけを変更します。

安全性、権利、ポリシーに関する方針

文書化された利用規約と制作上の指針：

• MiniMax の統一利用規約では、アクセスはアカウントの種類、サブスクリプションプラン、技術的な互換性、地域での提供状況、その他の利用資格要件に左右されます。
• MiniMax Audio Music Creation の利用規約では、歌詞、音楽、音声、動画、声、著作物を含むすべての入力コンテンツについて、権利または許可を得ることが求められます。また、入力に個人の声が含まれる場合は、その声の使用許可も必要です。
• 利用規約では、違法な使用、権利を侵害する使用、なりすまし、評判を損なう行為、誤解を招くコンテンツ、その他の禁止行為を禁じています。
• 利用規約では、出力に識別情報やウォーターマークが埋め込まれる場合があり、他者に誤解を与えないよう、AI 生成コンテンツであることを明確に表示する責任はユーザーにあるとされています。
• MiniMax は、出力の正確性、適合性、信頼性、完全性を保証していません。

エージェント向けの実践的なルール：

• カバー機能で参考曲、商用トラック、クライアントのジングル、演奏者の録音、または声に似た音源を使う前に、権利の確認を求めます。
• 制作指示に「[存命アーティスト]のスタイルで」と指定しないでください。アーティスト名への言及は、時代、楽器編成、テンポ、音色、アレンジ、和声の傾向、ミックスの質感といった音楽的な属性に置き換えます。
• ユーザーの法的条件やサブスクリプション、現地法を確認せずに、著作権の独占的な所有権や、プラットフォームで安全に利用できる商用利用権を主張しないでください。
• プロバイダーが必要とする識別情報、ウォーターマーク、通知を削除したり、見えなくしたりしないでください。
• 生成した音楽は確認可能で、追跡可能な状態に保ちます。参照できなくなった一時 URL は避けてください。

完全な例

例：30秒の SaaS ローンチ動画用インストゥルメンタル

目的：創業者のナレーションと、アニメーションによる製品のお披露目に合わせるバックグラウンドトラックを作成します。

ルート：music-2.6 でオリジナルのインストゥルメンタルを作成し、必要に応じて編集します。

リクエスト：

{
  "model": "music-2.6",
  "prompt": "Premium minimalist electronic score for a 30-second SaaS launch film. 92 BPM feel, warm analog pad bed, soft plucked synth pulse, restrained sub bass, subtle brushed percussion. Start intimate and focused, lift at 0:12, confident logo downbeat around 0:24, clean final tail. Leave space for spoken narration; no lead vocal, no busy top-line melody, no harsh cymbals.",
  "is_instrumental": true,
  "output_format": "hex",
  "audio_setting": {
    "sample_rate": 44100,
    "bitrate": 256000,
    "format": "mp3"
  }
}

この構成にしている理由：プロンプトで用途、編集ポイント、アレンジの密度、ナレーション用の余白を指定しています。歌声がナレーションと競合するため、インストゥルメンタルモードを使用します。

確認ポイント：盛り上がりとロゴが出る拍が編集に十分合っているかを試聴します。ナレーション中にメロディーが目立ちすぎる場合は、EQ を調整する前に、「リズミカルなテクスチャー、リードメロディーなし」という指定を強めて再生成します。

例：歌詞を確認済みのソーシャル向けジングル

目的：医療的な主張を避け、水分補給製品の短尺動画向けに、ブランドイメージに配慮した短いボーカルフックを生成します。

ルート：まず歌詞を作成して確認し、その後で音楽を生成します。

歌詞生成リクエスト：

{
  "mode": "write_full_song",
  "prompt": "A clean 20-30 second pop jingle about grabbing a sparkling water after a workout. Bright, playful, no health or performance claims, no mention of curing or improving the body. Include a short chorus only and keep the brand placeholder as [BRAND].",
  "title": "Fresh Spark"
}

音楽生成用に選定した歌詞：

[Intro]
Fresh from the fridge, a little fizz in the light

[Chorus]
Hey [BRAND], brighten up the break
Cold little bubbles, easy choice to make
Step outside, let the afternoon shine
One crisp sip and the moment feels fine

音楽生成リクエスト：

{
  "model": "music-2.6",
  "prompt": "Upbeat modern pop jingle, bright handclaps, clean electric piano, light funk bass, cheerful group backing vocals, 105 BPM feel, 20-30 second social ad hook, polished but not childish, clean brand-safe energy.",
  "lyrics": "[Intro]\nFresh from the fridge, a little fizz in the light\n\n[Chorus]\nHey [BRAND], brighten up the break\nCold little bubbles, easy choice to make\nStep outside, let the afternoon shine\nOne crisp sip and the moment feels fine",
  "output_format": "hex",
  "audio_setting": {
    "sample_rate": 44100,
    "bitrate": 256000,
    "format": "mp3"
  }
}

QA の重点項目：公開前にプレースホルダーが正しく置き換えられていることを確認し、健康やパフォーマンスに関する意図しない主張が追加されていないかをチェックします。生成されたトラックが広告の長さを超える場合は、短縮版を作成します。

例：歌詞を変更した、許諾済みのリファレンス音源のカバー

目的：メロディーや構成の雰囲気を保ちながら、クライアントが所有するジングルを、法的に許諾された別言語版またはキャンペーン固有のカバーにします。

手順：歌詞を確認するための、2 段階のカバーワークフローです。

リクエストを前処理します：

{
  "model": "music-cover",
  "audio_url": "https://example-client-cdn.com/authorized-jingle-master.mp3"
}

次に、返された formatted_lyrics と structure_result を確認します。権利が文書で確認でき、歌詞の変更が承認されている場合は、生成します：

{
  "model": "music-cover",
  "prompt": "Friendly acoustic-pop cover for a family travel campaign, warm female vocal, ukulele, soft kick, handclaps, sunny but not childish, keep a compact ad-jingle feel.",
  "cover_feature_id": "returned_feature_id_here",
  "lyrics": "[Verse]\nPack the bags, the road is bright\nLittle maps and morning light\n\n[Chorus]\nGo with [BRAND], find your way\nSmall new wonders every day",
  "output_format": "hex",
  "audio_setting": {
    "sample_rate": 44100,
    "bitrate": 256000,
    "format": "mp3"
  }
}

重要な確認事項：リファレンス音源は 6 秒から 6 分まで、サイズは 50 MB 以下である必要があります。cover_feature_id の有効期限は 24 時間です。同じ生成リクエストで audio_url と cover_feature_id を渡さないでください。プロジェクトのメモに許諾の証拠を保管してください。

例：ポッドキャストのバンパーループ

目的：テクノロジー系ポッドキャスト向けの、ループ再生可能なインストゥルメンタルのバンパーです。

手順：インストゥルメンタルを生成し、ローカルでループ編集します。

リクエスト：

{
  "model": "music-2.6",
  "prompt": "Loopable 12-18 second technology podcast bumper, restrained future garage texture, muted kick, soft vinyl crackle, airy synth chord, two-note identity motif, editorial and intelligent, no vocals, no dramatic trailer drums, no abrupt ending. Make the first and last bars compatible for a crossfade loop.",
  "is_instrumental": true,
  "output_format": "hex",
  "audio_setting": {
    "sample_rate": 44100,
    "bitrate": 256000,
    "format": "mp3"
  }
}

想定されるワークフロー：予算に余裕があれば 2～3 個の候補を生成し、最も音数の少ないものを選び、小節の境界でトリミングして、短いイコールパワークロスフェードを追加し、最終的なループ版とワンショットのエンディングをエクスポートします。