최대 5분의 서사를 유지하는 계층적 합성 구조
최대 5분이라는 곡 길이는 단순한 시간 연장이 아니라, 인트로-벌스-프리코러스-코러스-브릿지-아웃트로로 이어지는 음악적 서사를 일관성 있게 유지하는 데 초점이 맞춰져 있다. MiniMax Music 3는 이를 위해 음악의 거시적 구조와 미시적 음향을 분리해 처리하는 계층적 자기회귀 아키텍처를 도입했다.
기술적 핵심은 두 단계의 LLM(거대언어모델) 배치다. 먼저 Qwen3-8B를 기반으로 초기화된 80억 개의 파라미터 규모 Global LLM이 곡의 장기적인 의미와 구조적 진행을 예측한다. 이 모델은 학습 과정에서 임베딩 층과 출력 층이 음악적 의미를 담은 토큰에 맞게 조정되었다. 이어 6억 개의 파라미터를 가진 Local LLM이 각 프레임 내의 세부적인 음향 정보를 복원하며 정밀한 소리를 완성한다.
음향 데이터 처리는 잔차 벡터 양자화(RVQ, 오디오 데이터를 여러 층의 이산적인 토큰으로 압축하는 기술) 토크나이저가 담당한다. 총 8개의 층으로 구성된 이 시스템에서 첫 번째 시맨틱 코드북은 16,384개의 항목으로 핵심 음악 구조를 포착하고, 나머지 7개의 어쿠스틱 코드북은 각각 1,024개의 항목으로 세부 음향 정보를 처리한다. 최종 출력은 Global LLM과 Local LLM의 은닉 상태를 융합한 뒤, 24억 개의 파라미터를 가진 플로우 매칭(Flow Matching)과 1억 2,300만 개의 파라미터를 가진 플로우 변분 오토인코더(Flow-VAE) 디코더를 거쳐 32kHz 16비트 스테레오 WAV 오디오로 변환된다.
단순 샘플링에서 전문 작곡 프로세스로의 채택 흐름
기존 음악 생성 AI가 짧은 루프나 단편적인 멜로디 생성에 그쳤던 한계를 넘어, 이제는 곡 전체의 구조를 설계하는 실무형 모델로 채택 범위가 넓어지고 있다. MiniMax Music 3의 등장은 AI 음악 생성의 기준을 '우연한 좋은 멜로디'에서 '의도된 구조적 완결성'으로 옮겼다는 점에 의미가 있다.
단순 프롬프트를 넘어 구조화된 캡션(Structured Caption) 방식을 도입한 것은 결과의 예측 가능성을 높이려는 전략이다. 사용자가 글로벌 메타데이터, 보컬 세부 사항, 편곡 영역으로 나누어 상세 설정을 입력하면, AI는 이를 바탕으로 정교한 결과물을 내놓는다. 이는 AI를 단순한 생성 도구가 아니라, 제작자의 지시를 정확히 수행하는 '가상 세션 연주자'로 활용하는 흐름을 가속화한다.
특히 5분이라는 충분한 길이는 상업적 활용도를 결정짓는 핵심 요소다. 게임 배경음악이나 맞춤형 광고 음악처럼 기승전결이 뚜렷해야 하는 영역에서는 별도의 편집 과정 없이도 완성도 높은 결과물을 얻을 수 있다는 실익을 제공한다. 이는 생성형 AI 음악 시장이 단순한 샘플링 수준을 넘어 전문적인 작곡 프로세스를 대체하는 방향으로 움직이고 있음을 보여준다.
실무자가 확보하게 된 정밀 제어권과 운용 기준
실무자가 체감하는 가장 큰 변화는 AI에게 맡기는 '운'이 아니라 구체적인 '제어권'을 확보했다는 점이다. MiniMax Music 3는 가사와 음악 묘사라는 두 가지 입력을 통해 곡의 모든 요소를 설계할 수 있는 시스템을 제공한다.
구체적인 제어 방식은 섹션 태그와 세부 캡션으로 나뉜다. 가사 입력 시 [Intro], [Verse], [Chorus], [Bridge], [Solo], [Outro]와 같은 태그를 삽입해 송폼(Song Form)을 직접 지정할 수 있다. 또한 캡션 기능을 통해 다음과 같은 세부 항목을 설정할 수 있다.
- 글로벌 메타데이터: 장르, 세부 장르, BPM(분당 비트 수), 키, 스케일, 감정적 흐름, 청취 시나리오, 프로덕션 프로필
- 보컬 세부 사항: 성별, 음색, 가창 스타일, 화음, 백킹 보컬, 보컬 이펙트
- 편곡 영역: 주선율 및 보조 악기, 섹션별 악기 변화, 그루브, 베이스, 퍼커션, 텍스처, 공간 효과
이러한 제어 시스템은 특정 구간에서만 악기 구성을 변경하거나 보컬의 감정선을 세밀하게 조정하는 작업을 가능하게 한다. 한국의 AI 음악 실무자나 개발자는 이제 프롬프트 엔지니어링을 넘어, 음악적 문법에 기반한 '구조적 설계'를 통해 AI 결과물을 제어하는 방식으로 작업 흐름을 전환해야 한다.
