mm-music-maker

MiniMax Music Maker

MiniMax の Music Generation API を使って音楽を生成するスキルです。特に指定がない限り、すべての使用方法と出力は music-2.5 向けに設計されています。

クイックスタート

1. API キーを設定します：

export MINIMAX_MUSIC_API_KEY="your_api_key"

2. 歌詞（および任意のプロンプト）から音楽を生成します：

python scripts/generate_music.py \
  --lyrics "[Verse]\n...\n[Chorus]\n..." \
  --prompt "indie folk, melancholic, introspective" \
  --output ./output.mp3

スクリプトの場所

• scripts/generate_music.py — メインの生成スクリプト（歌詞 + プロンプト → オーディオ）
• scripts/utils_audio.py — 16 進数データのデコード + 保存用ヘルパー

参考資料

以下については references/minimax_music_api.md をお読みください：

• エンドポイント、認証ヘッダー、ペイロードのスキーマ
• 必須フィールドと任意フィールド
• 出力形式（hex/url）と制約

主なモード

このスキルは 3 つの生成モードに対応しています：

1. 標準的な楽曲（歌詞あり）

• ユーザーが歌詞と音楽を提供する、または希望している
• スタイルを指定するプロンプトと構成済みの歌詞を使用します

2. 純粋な音楽（インストゥルメンタル）

• ユーザーが「純粋な音楽」、「ボーカルなしの純粋な音楽」、「純粋な音楽」、「インストゥルメンタル」をリクエストする
• 歌詞はなく、インストゥルメンタルのアレンジのみ
• 以下の「純粋な音楽の生成」セクションを参照してください

3. メロディックな詠唱／ハミング

• ユーザーが「ハミング」、「詠唱」、「ハミング」、「詠唱」をリクエストする
• 完全な歌詞の代わりに、ボーカルの音節を使った音楽
• 以下の「メロディックな詠唱の生成」セクションを参照してください

注意事項

• API では lyrics が必須です。
• music-2.5 では prompt は任意です。
• output_format のデフォルトは hex（インラインオーディオ）です。ダウンロード URL を使う場合は url を指定してください。
• URL の有効期限は 24 時間です。url を使う場合は、すぐにダウンロードしてください。

プロンプトの作成（重要）

基本原則：「命令」ではなく「説明」を使い、構成が明確で、解析しやすい内容にします。

必須要素（推奨）

• ジャンル／サブジャンル（時代または地域も指定）
• ムード／感情（感情を表す語句を 2～3 個）
• テンポ／BPM（可能であれば BPM を指定）
• 主要な楽器（主要な楽器／音色を 3～5 個）
• ボーカル（ボーカルの種類、処理、またはインストゥルメンタル）
• 用途（目的／場面）

任意の追加要素

• 構成（セクション構成）
• 参考例（スタイルの参考例を 1～2 個）
• 回避／ネガティブ（除外する要素）

プロンプトのテンプレート

基本テンプレート（初心者向け）

[Genre], [Mood], [Tempo/BPM], [Key Instruments], [Vocal Style]

標準テンプレート（推奨）

Genre: [Specific genre + era]
Mood: [2-3 descriptors]
Tempo: [BPM or speed]
Instruments: [3-5 key instruments]
Vocals: [Type or instrumental only]
Use case: [scene/usage]
Avoid: [unwanted elements]
References: [1-2 artists/songs]

上級テンプレート（制作ブリーフ）

Genre: … | Era: …
BPM: … | Key: …
Mood: ... (can include emotional arc, e.g., "from restrained to explosive")
Lead: …
Rhythm: …
Bass: …
Texture: …
Vocals: …
Structure: Intro / Verse / Chorus / Bridge / Outro
Avoid: …
Reference: …

構成タグ（歌詞内）

[Intro]
[Verse]
[Pre-Chorus]
[Chorus]
[Bridge]
[Outro]
[Instrumental]

ネガティブプロンプトの例

• No vocals / Instrumental only
• Avoid autotune
• No distorted guitars
• Avoid heavy reverb
• No trap hi-hats

よくある問題の解決方法

• スタイルが不正確：「時代 + サブジャンル + 楽器の手がかり + 参考アーティスト」を追加します
• リズムが違う：BPM + リズムの説明（例：四つ打ち）を指定します
• イントロがありきたり：歌詞に [Intro] を記述し、冒頭部分を説明します
• ボーカルが合わない：プロンプトの先頭に「ボーカル」を移動し、ネガティブ制約を追加します

プロンプト品質チェックリスト

• ジャンル／ムード／BPM／楽器／ボーカル／用途が含まれている
• 矛盾がないか確認する（例：「非常に遅い + ハイエナジー」）
• 不要な要素を除外する「回避」項目がある
• 構成が明確である（長い散文の段落は避ける）

---

純粋な音楽の生成

ユーザーが歌詞なしのインストゥルメンタルトラックを希望する場合は、このモードを使用します。

検出キーワード

• 純粋な音楽、ボーカルなしの純粋な音楽、ボーカルなし
• pure music、instrumental、no lyrics
• BGM、ライトミュージック、器楽曲
• 歌詞なし

プロンプト形式

pure music, [scene/style description], no lyrics

歌詞フィールド

プレースホルダーとして [intro] [outro] を使用します。

重要な注意事項

⚠️ 再生時間：純粋な音楽のトラックは通常、**短め（1～2 分）**です。音楽の展開を導く歌詞がないためです。

純粋な音楽のプロンプト例

#	プロンプト	シーン
1	pure music, coffee shop, no lyrics	カフェの雰囲気
2	pure music, rainy night, no lyrics	雨の夜
3	pure music, morning sunshine, no lyrics	朝の光
4	pure music, jazz bar, no lyrics	ジャズバー
5	pure music, city walk, no lyrics	街歩き
6	pure music, night drive, no lyrics	夜のドライブ
7	pure music, piano solo, no lyrics	ピアノソロ
8	pure music, lofi chill, no lyrics	Lo-Fi のリラックス音楽
9	pure music, bookstore, no lyrics	書店
10	pure music, cafe closing time, no lyrics	カフェの閉店時間

CLI の例

コーヒーショップ向けの純音楽を生成：

python scripts/generate_music.py \
  --lyrics "[intro] [outro]" \
  --prompt "pure music, coffee shop, no lyrics" \
  --output ./coffee_shop.mp3

雨の夜の雰囲気を生成：

python scripts/generate_music.py \
  --lyrics "[intro] [outro]" \
  --prompt "pure music, rainy night, no lyrics" \
  --output ./rainy_night.mp3

ピアノソロを生成：

python scripts/generate_music.py \
  --lyrics "[intro] [outro]" \
  --prompt "pure music, piano solo, no lyrics" \
  --output ./piano_solo.mp3

---

メロディックな吟唱／ハミングの生成

完全な歌詞ではなく、ボーカルの音節を使った音楽（ハミング、吟唱）をユーザーが求めている場合に、このモードを使用します。

検出キーワード

• ハミング、吟唱、発声
• ハミング、吟唱
• 癒やし、ボーカル伴奏
• メロディック
• ハーモニー、ウー・アー・ラー

プロンプト形式

pure music, [风格/场景描述], no lyrics

歌詞フィールド（音節パターン）

言葉の代わりにボーカルの音節を使います。

音節パターン	雰囲気
ah, ah, ah, ah...	柔らかな吟唱
la, la, la, la...	メロディックなハミング
mmm, mmm, mmm...	癒やし系のハミング
ooh, ooh, ooh...	幻想的な吟唱
hum, hum, hum...	持続するハミング

歌詞構成テンプレート

[intro] [verse] [chorus] [verse] [outro]

各セクションを選んだ音節に置き換えます。

吟唱プロンプトの例

シーン	プロンプト	歌詞
癒やし	pure music, healing, relaxing, no lyrics	[intro] mmm, mmm, mmm... [verse] mmm, mmm, mmm... [outro]
瞑想	pure music, meditation, calming, no lyrics	[intro] ooh, ooh, ooh... [verse] ooh, ooh, ooh... [outro]
ハッピー	pure music, happy, uplifting, no lyrics	[intro] la, la, la, la... [chorus] la, la, la, la... [outro]
神秘的	pure music, mystical, ethereal, no lyrics	[intro] ah, ah, ah... [verse] ah, ah, ah... [outro]

CLI の例

癒やしの吟唱曲を生成：

python scripts/generate_music.py \
  --lyrics "[intro] mmm, mmm, mmm... [verse] mmm, mmm, mmm... [chorus] mmm, mmm, mmm... [outro]" \
  --prompt "pure music, healing, relaxing, no lyrics" \
  --output ./healing_chant.mp3

瞑想用の吟唱を生成：

python scripts/generate_music.py \
  --lyrics "[intro] ooh, ooh, ooh... [verse] ooh, ooh, ooh... [outro]" \
  --prompt "pure music, meditation, calming, no lyrics" \
  --output ./meditation.mp3

楽しいハミングを生成：

python scripts/generate_music.py \
  --lyrics "[intro] la, la, la... [verse] la, la, la... [chorus] la, la, la... [outro]" \
  --prompt "pure music, happy, uplifting, no lyrics" \
  --output ./happy_humming.mp3

---

モード検出ロジック

ユーザーが音楽をリクエストしたとき、モードを検出します。

1. 標準的な楽曲 → ユーザーが歌詞を提供する、または「歌詞付きの曲」をリクエストする
2. 純音楽 → キーワード：「純音楽」、「pure music」、「instrumental」、「no lyrics」、「ボーカルなし」
3. 吟唱／ハミング → キーワード：「ハミング」、「吟唱」、「humming」、「chanting」、「癒やし系」

判断フロー

User Request
    ↓
Contains "纯音乐"/"pure music"/"instrumental"?
    ├─ Yes → Is "哼唱"/"humming" also mentioned?
    │   ├─ Yes → Melodic Chanting Mode
    │   └─ No → Pure Music Mode
    └─ No → Standard Song Mode (requires lyrics)

おすすめの CLI パターン

MP3 を生成（16 進数レスポンス → ファイル）：

python scripts/generate_music.py \
  --lyrics "[Intro]\n..." \
  --prompt "cinematic, uplifting" \
  --output ./music.mp3 \
  --format mp3 \
  --bitrate 256000 \
  --sample-rate 44100

構造化されたプロンプトフィールドを使って生成（自動構築）：

python scripts/generate_music.py \
  --lyrics "[Verse]\n..." \
  --genre "1980s synthwave" \
  --mood "nostalgic, energetic" \
  --bpm 120 \
  --instruments "analog synths, drum machine, bass guitar" \
  --vocals "female vocals" \
  --use-case "retro game trailer" \
  --avoid "no acoustic guitar" \
  --references "The Midnight, FM-84" \
  --output ./music.mp3

URL から生成してダウンロード：

python scripts/generate_music.py \
  --lyrics "[Verse]\n..." \
  --prompt "lofi, rainy night" \
  --output ./music.mp3 \
  --output-format url \
  --download

---

API リファレンス

API の詳細なドキュメント（エンドポイント、認証、リクエスト／レスポンス形式）については、以下を参照してください。

references/minimax_music_api.md

すべてのモードに共通する要点：

• エンドポイント：POST https://api.minimaxi.com/v1/music_generation
• 認証：Authorization: Bearer <token>
• モデル：music-2.5
• lyrics：必須フィールドです。純音楽の場合は [intro] [outro] を、吟唱の場合は音節パターンを使用します。

API ペイロードの簡単な例

標準的な楽曲：

{
  "model": "music-2.5",
  "prompt": "indie folk, melancholic, introspective",
  "lyrics": "[verse]\n...\n[chorus]\n..."
}

純音楽：

{
  "model": "music-2.5",
  "prompt": "pure music, coffee shop, no lyrics",
  "lyrics": "[intro] [outro]"
}

メロディックな吟唱：

{
  "model": "music-2.5",
  "prompt": "pure music, healing, relaxing, no lyrics",
  "lyrics": "[intro] mmm, mmm, mmm... [verse] mmm, mmm, mmm... [outro]"
}

レスポンス形式

• data.audio：16 進数文字列（デフォルト）または URL（有効期間は 24 時間）
• data.status：生成ステータス
• extra_info：再生時間、サンプルレート、チャンネル数、ビットレート、サイズ
• base_resp.status_code：成功時は 0