MiniMax Music 3 + 本機 AI Prompt 產生器（Ep31）（第 3/3 段）

🧑‍🏫 這段接著示範用 MiniMax Music 3 在 ComfyUI（一個把 AI 模型像積木一樣串起來用的免費軟體）裡做歌。重點有三個：讓 ChatGPT、Gemini 這類聊天 AI 幫你寫歌詞和曲風描述，用 duration 控制歌怎麼結尾，以及不用安裝軟體、直接在雲端跑的方法。如果你想自己做 AI 歌，卻常遇到歌被切斷或電腦跑不動，這段很值得看。

• 21:44 試做兩分鐘的歌，比較接近平常聽的歌曲長度。產生 prompt 約半分鐘，產生音訊約兩分鐘。
  ↳ 試做一首 2 分鐘的歌，長度接近一般流行歌。先讓 AI 寫 prompt（給模型的文字指示）約 30 秒，再產生音樂約 2 分鐘。
• 23:24 這首歌也被截斷了，代表這麼多歌詞需要比兩分鐘更長的 duration 才放得下。
  ↳ 歌唱到一半就被切掉了，代表歌詞太多，2 分鐘唱不完。duration（歌曲最長可以多長）要設得更長，或是把歌詞刪短。
• 23:24 也可以改用 ChatGPT、Gemini 或 Claude 產生 prompt，能省時間，也不會佔用音樂模型的 VRAM。
  ↳ prompt 不一定要用本機模型寫，交給 ChatGPT、Gemini、Claude 也可以。這樣比較快，也不會佔用 VRAM（顯卡專用記憶體），做音樂的模型才有足夠空間跑。
• 23:24 從 pixaroma.com 下載的 workflows zip 裡，workflows 旁有一個「Minimax Music Three Formulas」資料夾，內含三種 AI 模型的 formulas 與 instructions。
  ↳ 從作者網站 pixaroma.com 下載的壓縮檔裡，除了 workflows（ComfyUI 裡一整套串好的生成步驟），還有一個資料夾，放著給三家 AI 用的公式和指示文字。
• 23:24 說明檔會教你把 instructions 加進 custom GPT 或 Gemini Gem，並附加 knowledge file，讓較聰明的模型產生 caption 和歌詞。
  ↳ 說明檔教你把指示放進 custom GPT（可以自訂規則的 ChatGPT）或 Gemini Gem（Gemini 的同類功能），再附上 knowledge file（參考資料檔），讓它專門寫 caption（描述曲風、人聲的文字）和歌詞。
• 23:54 線上聊天的優點是可以直接回覆模型，要它把歌詞改短、改長、修改內容或調整結果，整個流程更輕鬆。
  ↳ 線上聊天最大的好處是可以來回討論，像是「歌詞太長，砍一半」「副歌改開心一點」，直接回它就好，不用每次重寫整段指示。
• 23:54 custom GPT 範例：把文字檔裡的 instructions 貼進設定，讓模型知道該怎麼做，再附上 knowledge file。Gemini 做法類似，改用 Google Gems。
  ↳ 做法是把文字檔裡的指示貼進 custom GPT 的設定欄，它就知道每次該怎麼寫；再上傳 knowledge file 當參考。Gemini 的流程一樣，只是改在 Gems 裡設定。
• 23:54 ChatGPT 已移除 GPT 分享功能，作者無法再分享 custom GPT，所以未來可能改用 Google Gems。
  ↳ ChatGPT 拿掉了分享自訂 GPT 的功能，作者沒辦法直接給你現成的版本，你得照說明自己建。之後他可能改分享 Google Gems。
• 24:25 實測：要一首 30 秒、關於貓和狗的情歌。模型先給 caption，複製後貼進 ComfyUI 的 caption 欄位，歌詞也照做，再執行 workflow。生成花了將近 40 秒。
  ↳ 實測：跟聊天 AI 說要一首 30 秒、講貓狗戀愛的情歌。它給出 caption 和歌詞，分別複製貼進 ComfyUI 的對應欄位再執行，大約 40 秒就生成好了。
• 25:32 結果歌曲在歌詞唱完的那一刻就直接結束。
  ↳ 問題是歌詞一唱完，歌就直接停住，沒有尾奏收尾，聽起來像被剪斷。
• 25:32 測試一：固定 seed，只刪掉主歌的一行歌詞。結果旋律完全改變，沒有保留同一首歌和同一個聲音。
  ↳ 測試一：seed（決定隨機結果的號碼，固定它就能重現同樣的結果）不動，只刪掉一行歌詞。結果旋律和聲音全變了，完全是另一首歌。
• 25:32 測試二：prompt、歌詞、seed 都不變，只改 duration，得到同一首歌但比較長。作者試了 40 秒和 50 秒。
  ↳ 測試二：caption、歌詞、seed 都不動，只把 duration 從 30 秒改成 40、50 秒。出來的是同一首歌，只是變長了。
• 25:32 在作者測試的那個 seed 下，模型還自己編出歌詞裡沒有的字，用來把歌拉長。
  ↳ 有趣的是，在作者測的那個 seed 下，模型為了填滿多出來的時間，還自己多唱了歌詞裡沒寫的字。
• 26:04 結論：只改 duration 可以延長歌曲；改歌詞則會得到另一首歌。
  ↳ 結論：喜歡這首歌、只嫌它太短，就只改 duration；一動到歌詞，就等於重新生成一首新歌。
• 26:04 建議反覆調整 duration 直到感覺對了，再用音訊編輯器在比較自然的地方剪掉結尾。
  ↳ 建議做法：duration 多試幾個長度，挑聽起來最順的版本，再用剪輯音訊的軟體，在段落自然結束的地方把多餘的尾巴剪掉。
• 26:04 也有歌曲比最大 duration 短、而且正常收尾的情況。
  ↳ 不是每次都需要剪，也有歌還沒到設定上限，就自己好好收尾的時候。
• 26:04 利用聊天的優勢，回頭補充指示，要求改成更有力的女聲，再用新的 caption 和歌詞生成。
  ↳ 再示範一次聊天的好處：直接跟 AI 說「改成更有力的女聲」，拿它新給的 caption 和歌詞重新生成，不用自己動手改文字。
• 26:04 判斷結尾好不好：歌比設定的最大 duration 短，通常就是好結尾。例如設 30 秒卻得到 26 秒，通常是好兆頭。
  ↳ 判斷結尾好不好很簡單，看成品長度就知道。設 30 秒卻只出來 26 秒，代表模型自己收尾了，結尾通常比較完整。
• 26:54 這次得到完美的結尾。結尾好壞也取決於 seed，作者希望未來版本能更穩定地產生好結尾。
  ↳ 這次的結尾很完美。不過結尾好不好也要看 seed 的運氣，作者希望之後的模型版本能更穩定地收好尾。
• 27:35 pixaroma.com 網站新增一個按鈕：除了平常下載的 ComfyUI workflows，現在還有 cloud workflows。
  ↳ pixaroma.com 多了一個按鈕。除了原本下載到自己電腦用的 ComfyUI workflows，現在還有 cloud workflows（放在雲端、開網頁就能跑的版本）。
• 28:07 點進去會看到作者在 RunningHub 上建立的所有 workflows，不管什麼電腦都能在雲端執行，不需要安裝 ComfyUI，也不用處理 dependencies。
  ↳ 點進去是作者放在 RunningHub（幫你在網路上跑 ComfyUI 的雲端平台）的所有 workflows。電腦再普通都能跑，不用裝 ComfyUI，也不用處理 dependencies（程式執行時需要的其他套件）。
• 28:07 作者表示目前還沒找到更便宜又這麼好用的替代方案。頁面可依功能排序、搜尋，之後會再增加。
  ↳ 作者說他目前還沒找到比 RunningHub 更便宜、又一樣好用的平台。頁面可以依用途排序和搜尋，之後還會陸續加入新的 workflows。
• 28:07 作者的另一個 YouTube 頻道 AI To Play，可能明天會有影片詳細介紹怎麼使用。
  ↳ 作者的另一個 YouTube 頻道 AI To Play，可能隔天會出一支影片，詳細教大家怎麼用 RunningHub。
• 28:45 以 MiniMax workflow 為例：需要先登入，作者認為每天有一些免費 credits。按按鈕在雲端啟動，等幾秒讓 workflow 載入。
  ↳ 以 MiniMax 的 workflow 為例：先登入，作者印象中每天會送一些免費 credits（雲端運算要扣的點數）。按下按鈕啟動後，等幾秒讓流程載入。
• 28:45 操作很簡單：填入 caption、lyrics、duration 後生成。示範貼上 60 秒的 caption 和歌詞，把 duration 設為 60 秒，再按 run。
  ↳ 操作只有三個欄位：貼上 caption、歌詞，設定 duration，再按 run。示範時準備了 60 秒的內容，duration 也設成 60 秒。
• 28:45 另有更大顯卡的選項，但會用掉更多 credits。作者用的是最便宜的版本。
  ↳ 也可以選更強的顯卡，但會扣比較多 credits。作者自己用最便宜的方案。
• 29:19 最便宜的版本有 24 GB VRAM，和作者本機顯卡一樣，所以他大多用這個。
  ↳ 最便宜的方案就有 24 GB VRAM，和作者自己電腦的顯卡一樣，所以他平常大多選這個。
• 29:19 作者工作時也會用 RunningHub 搭配 MiniMax Hailuo 生成片頭片尾影片。雲端生成時電腦還能照常使用，也能平行多跑幾個。
  ↳ 作者工作時也用 RunningHub 搭配 MiniMax Hailuo（MiniMax 的影片生成模型）做片頭片尾。因為是在雲端跑，自己的電腦照樣能用，還能同時跑好幾個。
• 29:19 作者的訂閱方案可同時跑 3 個不同的 workflows。音訊方面，生成 1 分鐘音樂約需 1 分半。
  ↳ 作者的訂閱方案可以同時跑 3 個不同的 workflows。做音樂的速度大約是：1 分鐘的歌要跑 1 分半。

作者測試想讓 MiniMax Music 3 產生「同一首歌但更長」的版本，下列哪種做法有效？