夜雨聆风学习资料网

ARTICLE · 988461

看完文档,教会你用AI制作歌曲

发布时间：2026-09-15 10:50:25 最近访问：2026-09-15 10:50:24
看完文档,教会你用AI制作歌曲

MiniMax Music 3 × ComfyUI 歌曲生成工作流

技术文档

项目
内容
文档版本
v1.0
编写日期
2026-08-28
工作流文件
泡泡猫专用歌曲制作.json
图格式
ComfyUI Graph version 0.4
核心模型
MiniMax Music 3（文生音乐，Text-to-Music）
节点来源
comfy-core
 v0.31.0
部署目标
ComfyUI Desktop，模型根目录 D:\Comfy-Desktop\ComfyUI-Shared\models\
备注
首发公众号：泡泡猫的AI自动运营测试

1. 文档概述

1.1 目的与范围

本文档对 泡泡猫专用歌曲制作.json 这一 ComfyUI 工作流做完整技术拆解，内容包括：

  • 工作流的结构、数据流向与节点职责；
  • 所依赖的模型资产（文件、精度、体量、存放位置）；
  • 本机实际部署过程与校验结果；
  • 全部可调参数的含义、取值与优化建议；
  • 常见故障的排查方法。

本文档不包含模型训练、微调与 ComfyUI 本身的二次开发内容。

1.2 适用读者

  • 需要在本地复现该音乐生成流程的使用者；
  • 需要排查节点缺失、显存溢出、模型加载失败的运维人员；
  • 希望在此基础上二次开发（换风格、接 LLM 写词、批量出歌）的开发者。

1.3 术语表

术语
含义
DIT
Diffusion Transformer，用 Transformer 替代 UNet 的扩散主干网络
VAE
变分自编码器，此处负责「音频潜空间 ↔ 波形」互转
潜变量（Latent）
模型实际处理的压缩表示，非原始音频
条件（Conditioning）
文本经编码后得到的、用于引导生成的向量
CFG
Classifier-Free Guidance，提示词引导强度
分块解码（Tiled Decode）
把潜变量切成小块分别解码再拼接，以降低显存峰值
子图（Subgraph）
把一组节点封装成单个可复用节点，对外暴露端口
safetensors
一种安全的张量序列化格式，加载快、不可执行任意代码

2. 运行环境与依赖

2.1 最低要求

类别
要求
说明
操作系统
Windows 10/11（本机环境）
其他平台亦可，路径需相应调整
ComfyUI
较新版本（建议最新 nightly / 桌面版更新到最新）
MiniMaxMusic3TextEncode
、EmptyMiniMaxMusic3LatentAudio、VAEDecodeAudioTiled 等节点在旧稳定版中可能不存在
显卡
NVIDIA，建议 ≥ 12 GB 显存
fp16 扩散模型 + 8.6 GB 文本编码器，显存压力主要来自文本编码器与扩散过程
磁盘
≥ 15 GB 可用空间
三文件合计约 13.4 GB，另需输出空间
Python 依赖
随 ComfyUI 自带
无需额外 pip 安装

⚠️ 版本是本工作流最常见的失败原因。若加载后提示找不到 MiniMax 相关节点，请先更新 ComfyUI，而不是去改工作流。

2.2 节点依赖清单

全部来自 comfy-core（cnr_id: comfy-core，ver: 0.31.0），无需安装第三方自定义节点包：

UNETLoaderCLIPLoaderVAELoaderMiniMaxMusic3TextEncodeEmptyMiniMaxMusic3LatentAudioConditioningZeroOutKSamplerVAEDecodeAudioVAEDecodeAudioTiledComfySwitchNodeSeedNodeSaveAudioAdvancedMarkdownNote

3. 系统架构

3.1 总体数据流

┌──────────────────────────────────────────┐   caption ─────────►│                                          │    lyrics  ────────►│   子图：Text to Music (MiniMax Music 3)   │    max_duration ───►│                                          │    seed ───────────►│  ┌────────┐  ┌──────────┐  ┌─────────┐  │    unet_name ──────►│  │UNET    │  │CLIP      │  │VAE      │  │   AUDIO    clip_name ──────►│  │Loader  │  │Loader    │  │Loader   │  │─────────► SaveAudioAdvanced    vae_name ───────►│  └───┬────┘  └────┬─────┘  └────┬────┘  │           (.mp3, V0)    switch ─────────►│      │            │             │        │                     │      ▼            ▼             │        │                     │   MODEL      CLIP(minimax)      │        │                     │      │            │             │        │                     │      │      ┌─────▼───────────┐ │        │                     │      │      │MiniMaxMusic3    │ │        │                     │      │      │TextEncode       │ │        │                     │      │      └───┬─────────┬───┘ │        │                     │      │  CONDITIONING  seconds  │        │                     │      │          │          │     │        │                     │      │   ┌──────▼───┐  ┌───▼──────────┐ │                     │      │   │Conditioning│ │EmptyMiniMax  │ │                     │      │   │ZeroOut     │ │Music3Latent  │ │                     │      │   │(负条件清零)│ │Audio         │ │                     │      │   └──────┬─────┘  └───┬─────────┘ │                     │      │          │            │           │                     │      └──────────┼────────────┼───────────┤                     │                 ▼            ▼           │                     │            ┌─────────────────────┐       │                     │            │  KSampler           │       │                     │            │ 30步 / cfg1.7 /     │       │                     │            │ euler / simple      │       │                     │            └──────────┬──────────┘       │                     │                 LATENT                  │                     │            ┌──────────┴─────────┐        │                     │            ▼                    ▼        │                     │   VAEDecodeAudio      VAEDecodeAudioTiled│                     │      (标准)              (分块1536/64)   │                     │            └────────┬───────────┘        │                     │              ComfySwitchNode◄── switch   │                     │                    │                    │                     └────────────────────┼────────────────────┘                                          ▼                                    AUDIO 输出

3.2 模型栈：与 Stable Diffusion 的类比

MiniMax Music 3 采用与图像扩散模型同构的「三件套」设计，只是把域换成了音频，并把 UNet 换成了 DIT：

角色
MiniMax Music 3
Stable Diffusion（对照）
职责
生成主干
DIT 扩散模型
UNet
在潜空间里逐步去噪，决定音乐内容本身
文本理解
MiniMax 专用 Text Encoder
CLIP
把 caption + lyrics 编码成条件向量
编解码
Audio VAE
Image VAE
潜空间 ↔ 可听波形 的双向转换

关键差异：文本编码器的 type 必须选 minimax，不是通用的 OpenAI CLIP。MiniMax 使用自研文本编码器，选错类型会直接加载失败或产出噪声。

3.3 子图封装设计

真正的生成管线被封装在子图 Text to Music (MiniMax Music 3)（UUID ac99f841-a3de-4329-9564-953b81cf9e16）中，对外暴露8 个输入端口 + 1 个 AUDIO 输出：

端口
类型
当前实例值
说明
caption
STRING
Lo-fi 风格长描述（1624 字符）
音乐风格、情绪、配器描述
lyrics
STRING
带结构标签的歌词（1177 字符）
人声歌词与段落结构
max_duration
FLOAT
60
生成时长上限（秒）
seed
INT
197122968890040
随机种子（注意：当前被内部覆盖，见 7.2）
unet_name
COMBO
minimax_music3_dit_fp16.safetensors
扩散模型选择
clip_name
COMBO
minimax_music3_text_encoder_pruned_int8_convrot.safetensors
文本编码器选择
vae_name
COMBO
minimax_music3_dav.safetensors
VAE 选择
switch
BOOLEAN
truefalse
=标准解码，true=分块解码
输出AUDIO
AUDIO
→ SaveAudioAdvanced
生成的音频

这种封装意味着：该子图可以直接拖进任何其它 ComfyUI 工作流中复用，无需重新连线。

4. 工作流结构详解

4.1 顶层节点清单

节点 ID
类型
作用
是否参与计算
39
MarkdownNote
说明文档：MiniMax Music 3 用法介绍
❌ 纯注释
40
MarkdownNote
说明文档：模型下载链接
❌ 纯注释
37
子图实例 ac99f841-…
完整生成管线（详见 4.3）
✅
35
SaveAudioAdvanced
输出 audio/audio_minimax_music3.mp3，质量 V0
✅

SaveAudioAdvanced 参数：

参数
值
说明
文件名前缀
audio/audio_minimax_music3
输出目录 output/audio/
格式
mp3
可改为 flac / opus / wav
质量
V0
V0 为 MP3 VBR 最高档

4.2 子图内部节点与参数（实测值）

ID
节点类型
关键参数（实测）
职责
6
UNETLoaderminimax_music3_dit_fp16.safetensors
，weight_dtype=default
加载 DIT 扩散主干
3
CLIPLoaderminimax_music3_text_encoder_pruned_int8_convrot.safetensors
，type=minimax，weight_dtype=default
加载文本编码器
7
VAELoaderminimax_music3_dav.safetensors
加载音频 VAE
38
SeedNode
seed=0，control=randomize
生成种子并分发
13
MiniMaxMusic3TextEncode
caption/lyrics（由端口输入）、seed（←SeedNode）、max_duration=60、cfg=1.7、内部参数 50
文本→条件向量，并输出实际 seconds
10
ConditioningZeroOut
—
把负条件置零（该模型不用负提示词）
15
EmptyMiniMaxMusic3LatentAudio
seconds（← 节点 13 的 seconds 输出，widget 默认值 120 被连线覆盖）、batch=1
按目标时长建空音频潜变量
9
KSampler
seed=1111111112（被 SeedNode 覆盖）、steps=30、cfg=1.7、euler、simple、denoise=1.0
潜空间扩散去噪
12
VAEDecodeAudio
—
标准整体解码
42
VAEDecodeAudioTiledtile_size=1536
、overlap=64
分块解码（省显存）
43
ComfySwitchNode
子图内默认 false，顶层实例设为 true
选择解码路径

数据链路（Link）对应关系

Link
起点 → 终点
传输内容
18
CLIPLoader → TextEncode
CLIP 模型
6
UNETLoader → KSampler
MODEL
13 / 59
VAELoader → 两个解码器
VAE
45 / 46
端口 → TextEncode
caption / lyrics
47
端口 → TextEncode
max_duration
52
SeedNode → TextEncode
seed
53
SeedNode → KSampler
seed
20
TextEncode → EmptyLatent
seconds（实际时长）
15
TextEncode → KSampler(positive)
正条件
16 → 8
TextEncode → ZeroOut → KSampler(negative)
负条件（已清零）
21
EmptyLatent → KSampler
空潜变量
12 / 58
KSampler → 两个解码器
去噪后 LATENT
60
VAEDecodeAudio → Switch(on_false)
标准解码结果
61
VAEDecodeAudioTiled → Switch(on_true)
分块解码结果
62
Switch → 子图输出
最终 AUDIO
42
子图 → SaveAudioAdvanced
AUDIO

5. 模型资产

5.1 权重文件清单

组件
文件名
大小
精度
目标目录
必需
扩散主干 (DIT)
minimax_music3_dit_fp16.safetensors
4.6 GB
FP16
models/diffusion_models/
✅
扩散主干（低显存备选）
minimax_music3_dit_int8_convrot.safetensors
更小
INT8
models/diffusion_models/
可选
文本编码器
minimax_music3_text_encoder_pruned_int8_convrot.safetensors
8.6 GB
INT8 (convrot 量化)
models/text_encoders/
✅
音频 VAE
minimax_music3_dav.safetensors
207 MB
—
models/vae/
✅

说明：必须下载的是 3 个文件（fp16 或 int8 二选一 + 文本编码器 + VAE），合计约 13.4 GB。三件套缺一不可，且文件名必须与上表一致，ComfyUI 靠名字在下拉框里匹配。

5.2 fp16 与 int8 的选型

维度
fp16（当前默认）
int8_convrot（备选）
音质
最佳（原始精度）
轻微量化损失，多数场景难以分辨
显存占用
高
明显更低
生成速度
依赖显卡
通常略快
适用场景
≥ 16 GB 显存
< 12 GB 显存，或需要同时跑其它模型

切换方法：把顶层子图实例的 unet_name 端口改为 minimax_music3_dit_int8_convrot.safetensors（该文件需先下载到 diffusion_models/）。

5.3 下载源

官方仓库：HuggingFace Comfy-Org/MiniMax-Music-3。国内建议用镜像站 hf-mirror.com（把域名替换即可，迅雷/浏览器通用）。完整链接见附录 A。

5.4 目录结构

D:\Comfy-Desktop\└── ComfyUI-Shared\    └── models\        ├── diffusion_models\        │   └── minimax_music3_dit_fp16.safetensors          (4.6 GB)        ├── text_encoders\        │   └── minimax_music3_text_encoder_pruned_int8_convrot.safetensors  (8.6 GB)        └── vae\            └── minimax_music3_dav.safetensors               (207 MB)

⚠️ 路径易错点：ComfyUI Desktop 使用 ComfyUI-Shared\models 作为共享模型目录，不是ComfyUI-Installs\ 里的安装副本。放错目录会导致下拉框里找不到模型。

6. 部署实施记录（本机）

6.1 操作概要

项目
内容
源目录
G:\sata11-18935291366b\迅雷下载\
目标目录
D:\Comfy-Desktop\ComfyUI-Shared\models\
操作方式
复制（cp），源文件完整保留，无删除动作
传输总量
约 13.4 GB，跨盘 G: → D:
实测耗时
约 6 分钟（约 38 MB/s）
校验方式
源/目标 stat 字节数逐一比对
校验结果
ALL_MATCH（三文件全部一致）

6.2 执行的命令

cp ”/g/sata11-18935291366b/迅雷下载/minimax_music3_dit_fp16.safetensors” \   /d/Comfy-Desktop/ComfyUI-Shared/models/diffusion_models/cp ”/g/sata11-18935291366b/迅雷下载/minimax_music3_text_encoder_pruned_int8_convrot.safetensors” \   /d/Comfy-Desktop/ComfyUI-Shared/models/text_encoders/cp ”/g/sata11-18935291366b/迅雷下载/minimax_music3_dav.safetensors” \   /d/Comfy-Desktop/ComfyUI-Shared/models/vae/

6.3 校验结果

文件
源大小（字节）
目标大小（字节）
结果
minimax_music3_dit_fp16.safetensors
4,914,197,682
4,914,197,682
✅ 一致
minimax_music3_text_encoder_pruned_int8_convrot.safetensors
9,196,611,886
9,196,611,886
✅ 一致
minimax_music3_dav.safetensors
216,696,128
216,696,128
✅ 一致

6.4 回滚说明

由于采用纯复制、源文件未删除，回滚零成本：直接删除 D:\Comfy-Desktop\ComfyUI-Shared\models\ 下上述三个文件即可恢复部署前状态。迅雷下载目录中的原始文件可长期保留作为备份源。

6.5 部署期注意事项（实测踩坑）

  1. 不要假设 .env 或配置会自动生效——本流程为纯文件复制，无配置项。
  2. 大文件复制期间不要中断：cp 不显示实时进度，可用 stat -c%s 比对目标/源大小来观察进度。
  3. 复制完成前不要启动 ComfyUI 加载该模型，否则会因文件不完整而报格式错误。

7. 参数详解与调优

7.1 采样参数（KSampler）

参数
当前值
含义
调整建议
steps30
去噪迭代步数
低于 20 质量明显下降；高于 40 收益递减、耗时增加。30 是官方平衡点，不建议改
cfg1.7
提示词引导强度
这是极低的 CFG 值（图像模型常用 7~8）。MiniMax Music 3 依赖此低值保持音乐自然度，随意调高会导致音频失真/炸音
samplereuler
采样算法
配合 simple 调度器，是该模型的推荐组合
schedulersimple
噪声调度方式
同上
denoise1.0
去噪强度
文生音乐从纯噪声起步，必须保持 1.0（非图生图场景）

📌 CFG 一致性：cfg=1.7 在 MiniMaxMusic3TextEncode（节点 13）与 KSampler（节点 9）两处同时出现且必须保持一致。这是刻意设计，不要只改一处。

7.2 种子与可复现性 ⚠️ 重点

这是本工作流最容易误解的地方。

表面配置：顶层子图实例的 seed 端口值为 197122968890040。

实际行为：子图内部有一个 SeedNode（节点 38），其 control 设为randomize，并且它的输出同时连到了 MiniMaxMusic3TextEncode（link 52）和 KSampler（link 53），覆盖了外部传入的 seed。

结论：

🔴 在当前配置下，每次运行都会生成不同的音乐，即使 seed 端口填了固定值也不生效。

如何改成可复现（三选一，推荐方案 1）：

方案
操作
效果
1. 改 SeedNode（推荐）
进入子图，把 SeedNode 的 control_after_generate 从 randomize 改为 fixed，并在其 seed 框填入目标值
每次结果完全一致
2. 删除 SeedNode
删除节点 38，把外部 seed 端口直接连到 TextEncode 与 KSampler
由顶层端口统一控制
3. 保持随机
不改
用于「抽卡」式批量试听，快速筛选满意的版本

建议工作流：先用 randomize 跑若干次挑出喜欢的种子 → 记下该种子 → 切回 fixed 复现。

7.3 时长控制

参数
值
说明
max_duration60
 秒
时长上限，通过 text encode 影响实际潜变量长度
TextEncode 输出 seconds
由模型推算
实际生成时长，驱动 EmptyMiniMaxMusic3LatentAudio

要点：

  • 模型理论上限约 5 分钟（300 秒），当前预设只用了 60 秒。
  • 想生成更长歌曲：把顶层 max_duration 改为 120 / 180 / 240。
  • ⚠️ 时长与显存正相关：时长翻倍，潜变量翻倍，显存峰值与生成耗时都会显著上升。长音频建议保持 switch=true（分块解码）。
  • EmptyMiniMaxMusic3LatentAudio
     的 widget 里虽然写着 120，但它被 seconds 连线覆盖，改这个 widget 无效，应改 max_duration。

7.4 解码策略（switch 端口）

switch
走的路径
特点
falseVAEDecodeAudio
（标准）
一次性整体解码，音质最佳、速度最快，显存峰值最高
true
（当前）
VAEDecodeAudioTiled
（分块）
按 tile_size=1536、overlap=64 切块解码，显存占用大幅降低

分块解码说明：overlap=64 表示相邻块之间有 64 帧重叠区，用于平滑拼接、消除接缝爆音。这是官方调过的参数，一般无需改动。

选型建议：

  • 显存 ≥ 16 GB 且追求极致音质 → switch=false
  • 显存紧张，或生成时长 > 60 秒 → switch=true（当前值，推荐保持）

7.5 负条件清零

ConditioningZeroOut（节点 10）把负条件整体置零后送入 KSampler 的 negative 端口。

这是正确的、必要的：MiniMax Music 3不支持 negative prompt（没有"不要什么"的概念）。KSampler 结构上要求 negative 输入，因此填一个全零张量占位。

❌ 不要试图在这里接"负面提示词"，该模型不会响应，反而可能破坏生成。

7.6 Caption 与 Lyrics 编写规范

Caption（风格描述）：用自然语言描述风格、BPM、调性、配器、情绪。当前预置值为 Lo-fi / chillhop 风格（78 BPM，♭D 大调）。

推荐结构：

Global Metadata: <风格>。 BPM，<调性>，<音阶>。<情绪与动态描述>。<场景>。

Lyrics（歌词）：用方括号标签控制段落结构。

[Intro]...[Verse]...[Chorus]...[Bridge]...[Outro]

关键规则：

  1. 标签是模型唯一会执行的结构指令。只有 [Intro][Verse][Chorus][Bridge][Outro] 这类标签会被当作编排指令处理。
  2. 歌词正文只传达情绪与主题，不会被逐字理解成"必须唱出这句话"——模型参考的是情绪走向与音节节奏，不是语义。
  3. 纯音乐（无人声）：把 lyrics 留空，模型会自动生成器乐段落。
  4. 中英文均可，但训练语料以英文为主，英文效果通常更稳定。

当前预置歌词主题为「AI 生成内容」（canvas glows、sampler drift、render、seed、node to node），副歌反复 let it render on，详见附录 C。

8. 显存与性能

8.1 显存占用估算

显存峰值主要由三部分构成：扩散模型权重 + 文本编码器权重 + 潜变量与激活值。

配置
扩散模型
文本编码器
解码方式
预估峰值显存
默认（当前）
fp16 (~4.6 GB)
int8 (~8.6 GB)
分块
约 14~18 GB
低显存
int8 (更小)
int8 (~8.6 GB)
分块
约 10~13 GB
高画质
fp16 (~4.6 GB)
int8 (~8.6 GB)
标准
约 18~22 GB

以上为 60 秒音频的估算。时长增加会线性推高潜变量部分。文本编码器即使已量化到 int8，仍占约 8.6 GB，是显存大户。

8.2 显存优化清单（按推荐顺序）

  1. 切换 unet_name 为 int8_convrot 版本 —— 收益最大
  2. 保持 switch=true 分块解码 —— 已在用
  3. 减小 max_duration（如 60 → 30）—— 立竿见影
  4. weight_dtype
     设为 fp8_e4m3fn（若显卡支持）—— 进一步压缩
  5. 关闭其它占用显存的程序（浏览器硬件加速、其它 AI 工具）

8.3 生成耗时参考

60 秒音频、30 步、单卡消费级显卡：通常1~3 分钟。瓶颈在扩散采样（30 次前向）与 VAE 解码，与显卡算力强相关。

9. 故障排查

现象
原因
解决方法
加载工作流后提示「节点未找到」（如 MiniMaxMusic3TextEncode 红色）
ComfyUI 版本过旧，缺少 MiniMax 节点
更新 ComfyUI（桌面版点 Update，建议 nightly）
下拉框里找不到模型文件名
模型放错目录，或文件名不一致
确认放在 ComfyUI-Shared\models\ 对应子目录，文件名逐字符核对
模型加载报 safetensors 格式错误
文件未下载完整 / 复制中断
比对文件大小与官方一致；不完整则重新下载
运行时 CUDA out of memory
显存不足
按 8.2 清单优化，优先换 int8 扩散模型
有爆音、接缝杂音
分块解码重叠区不足或时长过长
增大 overlap（64 → 128），或改用标准解码
生成的音乐与歌词/描述不符
Caption 描述太模糊，或结构标签缺失
补全 BPM/调性/配器描述，确认 [Verse][Chorus] 标签存在
每次运行结果都一样（想要多样性）
SeedNode 被设成了 fixed
改回 randomize
每次运行结果都不同（想要复现）
SeedNode 为 randomize
见 7.2，改为 fixed
生成的音频时长与 max_duration 不符
实际时长由 TextEncode 输出的 seconds 决定
属正常行为，max_duration 只是上限
ComfyUI 启动很慢
首次加载需把 13 GB 权重读入显存
正常现象，后续复用会快一些

10. 扩展方向

方向
说明
实现思路
接 LLM 自动写词
工作流本身不含任何 LLM，歌词是硬编码的
在 ComfyUI 外加一层脚本：调 LLM 生成 caption/lyrics → 通过 API 写入节点 37 的 widget → 触发 Queue
固定种子批量抽卡
快速筛选满意的旋律
脚本循环设置不同 seed 并调用 /prompt API，批量产出候选
长歌曲生成
突破 60 秒
max_duration
 调到 180~300，配合分块解码与 int8 模型
风格模板库
复用不同曲风
保存多份 JSON，或把 caption/lyrics 抽成外部变量注入
自动后期
响度统一、淡入淡出
在 SaveAudioAdvanced 后接音频处理节点，或外部用 ffmpeg

附录 A：模型下载链接

A.1 扩散模型（二选一）

FP16 全精度（当前默认）

https://huggingface.co/Comfy-Org/MiniMax-Music-3/resolve/main/diffusion_models/minimax_music3_dit_fp16.safetensorshttps://hf-mirror.com/Comfy-Org/MiniMax-Music-3/resolve/main/diffusion_models/minimax_music3_dit_fp16.safetensors

INT8 量化（低显存）

https://huggingface.co/Comfy-Org/MiniMax-Music-3/resolve/main/diffusion_models/minimax_music3_dit_int8_convrot.safetensorshttps://hf-mirror.com/Comfy-Org/MiniMax-Music-3/resolve/main/diffusion_models/minimax_music3_dit_int8_convrot.safetensors

A.2 文本编码器（必需）

https://huggingface.co/Comfy-Org/MiniMax-Music-3/resolve/main/text_encoders/minimax_music3_text_encoder_pruned_int8_convrot.safetensorshttps://hf-mirror.com/Comfy-Org/MiniMax-Music-3/resolve/main/text_encoders/minimax_music3_text_encoder_pruned_int8_convrot.safetensors

A.3 音频 VAE（必需）

https://huggingface.co/Comfy-Org/MiniMax-Music-3/resolve/main/vae/minimax_music3_dav.safetensorshttps://hf-mirror.com/Comfy-Org/MiniMax-Music-3/resolve/main/vae/minimax_music3_dav.safetensors

所有链接均为普通 HTTPS，可直接粘贴到迅雷/IDM/浏览器下载。国内优先用 hf-mirror.com 镜像。

附录 B：校验与运维命令

B.1 字节级校验（Git Bash）

declare -A sub=(  [minimax_music3_dit_fp16.safetensors]=diffusion_models  [minimax_music3_text_encoder_pruned_int8_convrot.safetensors]=text_encoders  [minimax_music3_dav.safetensors]=vae)src=”/g/sata11-***********/迅雷下载”dst=”/d/Comfy-Desktop/ComfyUI-Shared/models”for f in ”${!sub[@]}”; do  tot=$(stat -c%s ”$src/$f” 2>/dev/null)  cur=$(stat -c%s ”$dst/${sub[$f]}/$f” 2>/dev/null)  [ ”$tot” = ”$cur” ] && echo ”OK   | $(basename $f)” || echo ”DIFF | $(basename $f) src=$tot dst=$cur”done

B.2 查看复制进度（大文件无进度条时）

# 对比目标文件当前大小与源文件总大小stat -c%s ”/d/Comfy-Desktop/ComfyUI-Shared/models/diffusion_models/minimax_music3_dit_fp16.safetensors”stat -c%s ”/g/sata11-18935291366b/迅雷下载/minimax_music3_dit_fp16.safetensors”

B.3 解析工作流 JSON（提取节点参数）

import jsond = json.load(open(r'D:\360Downloads\泡泡猫专用歌曲制作.json', encoding='utf-8'))for n in d['nodes']:    print(n['id'], n['type'], str(n.get('widgets_values'))[:200])for sg in d.get('definitions', {}).get('subgraphs', []):    print('SUBGRAPH:', sg['name'])    for n in sg['nodes']:        print('  ', n['id'], n['type'], n.get('widgets_values'))

附录 C：预置 Caption 与 Lyrics 全文

C.1 Caption

工作流里预置

C.2 Lyrics

工作流里预置

主题是「AI 生成内容」——canvas glows、sampler drift、render、seed、node to node。可直接使用，也可整段替换为你自己的词与描述。

附录 D：快速上手清单

    1. 下载 3 个模型文件（附录 A），核对文件名
    1. 放到 D:\Comfy-Desktop\ComfyUI-Shared\models\ 对应子目录
    1. 运行附录 B.1 校验字节数一致
    1. 更新 ComfyUI 到最新版（确保 MiniMax 节点存在）
    1. 启动 ComfyUI，Load 载入 泡泡猫专用歌曲制作.json
      （工作流请关注我公众号，评论留下邮箱我发给你）
    1. 确认无红色缺失节点 / 无红色报错框
    1. 按需修改 caption / lyrics / max_duration
    1. 点击 Queue Prompt 运行
    1. 到 output/audio/audio_minimax_music3.mp3 取结果
    1. 满意后按 7.2 把种子改为 fixed 以复现

文档结束。所有参数系泡泡猫专用歌曲制作.json对照结果，部署结果经字节级校验确认。

用预置的提示词直接生成歌曲

也可以生成一个kpop风

相关学习资料