Preview
Preview
Preview
多模态将迎来最强Agent?--MiniMax
第一次接触 MiniMax 时，我本想制作语音内容。虽然了解语言模型功能，却一时未能找到具体入口，先进入了 Agent 界面。当时还暗自惊叹，AI Agent 已进化到能直接在对话框生成音乐的程度？尝试后才发现并非如此，后来在主页才找到语音模型的正确入口。而这次 "迷路" 的经历，恰好让我发现了 MiniMax 音乐创作的独特交互设计。
真正让我惊艳的是其语音模型中的音乐创作功能。当时我想制作一首儿童诗歌歌曲，抱着尝试的心态打开 MiniMax 语音模型，输入诗歌歌词后选择了具体音色和音乐特征，短短几分钟就生成了完整的诗歌音乐。成品效果远超预期，旋律自然流畅，完全没有机械感。
当需要将多首诗歌拼接创作时，我发现了更专业的高级模式 —— 包含前奏、主歌、副歌、尾奏、桥段等完整音乐结构。为了优化输入，我先将多首诗歌歌词发给 DeepSeek 生成专业提示词，再导入 MiniMax，成功生成了长达一分钟的连贯作品，韵律流畅且段落衔接自然。
不过高级模式也存在弊端：切换音乐特征和音色时效果不稳定，多次尝试才能达到预期。这可能与参数调整的灵敏度有关，若能增加 Prompt 优化功能，结果的可靠性可能会更高。
值得注意的是，现阶段大厂主流 AI Agent 多聚焦于办公场景的任务自动化，而 MiniMax Agent 凭借自身强大的语音创作模型，在音乐、语音等 AIGC 场景展现出独特优势。
这种差异让我似乎看到一种新可能：MiniMax 正在将现有的 AI4work Agent 场景，拓展到更丰富的 AI4fun 创意领域。当其他框架还在优化办公效率时，MiniMax 通过多模态技术打通了 "文本输入 - 音乐生成" 的完整链路，让普通用户也能轻松创作专业级音乐作品。这种从实用工具到创意伙伴的转变，或许正是多模态 AI 最动人的应用方向。
2025-09-22
该文观点仅代表作者本人，36氪平台仅提供信息存储空间服务。
评论区
快来抢占第一条评论 ~