YuE2 是一个 3B 参数的前沿音乐生成模型。WildSongBench 上拿到 6.96 分，跟 Suno v5、Mureka 9 打平，开源 3B 模型站到了闭源前沿的同一水平线上。
港科大开源，12K Star，Apache-2.0 协议。
01 它解决什么
现在做音乐 AI，基本就两个流派。一派是"黑盒出歌"：丢一句 prompt 进去，出完整音频，中间过程你看不到，改不了。Suno、Udio 都是这条线。
一派是"乐谱驱动"：先有结构化乐谱，再渲染成音频。可问题是，传统乐谱工具（MIDI、MuseScore）生成不了完整的人声歌曲，你只能做纯器乐。
YuE2 把两条线焊起来了。它先出一份"可编辑乐谱"（旋律 + 和弦 + 歌词 + 结构），既能像 MIDI 一样手动改，又能像 Suno 一样渲染成带人声的完整歌曲。这是它最核心的卖点：白盒，但不牺牲音乐质量。
02 白盒音乐生成是怎么回事
YuE2 的架构分三步走：
- 符号规划（symbolic planning）：输入一句歌词和风格描述，模型先出一份"旋律 + 和弦"方案，写成 ABC 乐谱格式。这份方案是显式的、可读的，你可以打开看它打算怎么唱、怎么配。
- 语义生成：把这份乐谱转成语义音乐 token，再预测声学 latent。
- 音频合成：VAE 解码成 48kHz 立体声音频，带人声和伴奏。
关键是第二步和第三步之间的"乐谱"。它不是一次性渲染，而是一份可以单独拿出来改的中间产物。
举个具体例子：你写了一首中文民谣，觉得和弦太保守。YuE2 把整份乐谱导出来，你（或 Agent）把副歌部分改成爵士和声，再重新渲染。出来的是同一首旋律的新版本，伴奏全变了。Suno 做不到这事。Suno 里你改不了"和弦"，它只认 prompt。
03 三个能玩的高级操作
3.1 翻唱（zero-shot cover）
丢一段已发行歌曲进去，YuE2 配合 SheetSage2（音频转乐谱模型）把它转录成乐谱，你指定一个新风格，它按新风格重做。不用微调，零样本。948 首曲目测试里，带乐谱的翻唱 CLEWS mAP 0.647，不带乐谱的只有 0.006。乐谱是翻唱质量的分水岭。
3.2 对话修歌（agentic editing）
这是最"Agent 时代"的功能。demo 里他们拿《末班车》（The Last Train）做了 9 步、14 个版本：从中文流行歌一路改到英文爵士，加了一段萨克斯独奏。每一步都是自然语言对话——"副歌和声太满，简化一点""主歌第二段节奏再快半拍"——模型按对话改乐谱，重新渲染。
官方给了一个 yue2-music skill，接在 GPT-6 Astra 这类 Agent 上用。你说一句"帮我做一首安静的钢琴纯音乐"，Agent 调用 YuE2 出歌。
3.3 自己写谱
不想让它自动生成旋律？直接喂一份 ABC 乐谱进去，它只负责把乐谱渲染成音频。这就是"纯乐谱驱动"模式，跟传统 MIDI 软件定位重合，但渲染出来带人声。
04 打平 Suno
WildSongBench 跑 192 条 prompt，自动评测四个指标（SongBench 综合、AudioBox 音质、MuLan 文本对齐、PER 人声错误率）。YuE2 best-of-8 拿 6.96 分（SongBench 均值），排所有参评设置第一。对比：Mureka 9（开源）：6.94；Suno v5（闭源）：6.87；Suno v6：6.56。YuE2 是公开权重的 3B 模型，Suno 是闭源黑盒。
05 门槛与上手
本地跑（高门槛）：
- Linux + Python 3.12 + NVIDIA GPU
- 显存 24GB，支持 BF16
- 模型首次跑自动从 HuggingFace 下载
git clone https://github.com/multimodal-art-projection/YuE.git
cd YuE
python3.12 -m venv .venv
source .venv/bin/activate
pip install .
python examples/generate.py --output outputs/first-song出来的目录里除了 MP3/FLAC，还有乐谱、语义 token、声学 latent、模型标识——每个中间态都留了。
低门槛路径：
- NOIZ 在线试用：yue.noizai.net，浏览器里免费出歌，不用装任何东西
- ComfyUI：官方有原生节点和 text-to-music 工作流
- Agent skill：npx skills add 或直接 clone 仓库里的 skills/yue2-music/
06 适合谁
适合：音乐制作人（想要"改得动的 AI 作曲"）、研究者（3B 公开权重 + 完整技术报告）、做音乐 Agent 的开发者（yue2-music skill 已经把四类工作流封装好了）、想离线跑的独立音乐人。
不适合：只想"一键出歌"不想管任何中间态的、显存不够 24GB 且不想用在线版的。
07 写在最后
音乐 AI 走到"能改"这一步，才算真正进了工具层。YuE2 没发明音乐生成，它把"生成"拆成"写谱 + 渲染"两层。
