YuE2 是什么：比肩 Suno 的开源 AI 音乐模型怎么玩

一张 24GB 显卡，71 秒生成 3.6 分钟带人声的完整歌曲，这是 YuE2 在 RTX 4090 上的官方实测数据。YuE2 是 M-A-P 团队 9 月刚开源的音乐生成模型，官方基准跑分超过了 Suno v5 和 v6。2026 年 9 月 12 日官方刷新了 WildSongBench 榜单，并把授权改成了「个人和创作者可商用自己生成的成品、公司商用需单独授权」，这两处变化都值得重看一遍。

YuE2 是什么：一个先写谱、再唱歌的开源模型

YuE2 出自多模态团队 M-A-P（GitHub 组织 multimodal-art-projection），仓库 2025 年 1 月以旧名 YuE 开源，2026 年 9 月正式发布 YuE2 的推理代码、符号规划工作流和 Agent skill，最新发行版是 yue2-v0.1.6。它的特别之处在架构：模型不是直接从文字到音频，而是先用 AR-NAR 混合 Transformer 写出一份乐谱和语义标记，再通过流匹配生成声学隐变量，最后由 VAE 解码成 48kHz 立体声。

从 YuE1 到 YuE2 变了什么。YuE1 在 2025 年初开源时的定位是最早一批能生成长歌曲的开源模型，证明了开源路线可行，但官方基准里 SongBench 只有 4.9165 分，和商业产品有肉眼可见的差距。YuE2 做了三件事：骨干网络换成 AR-NAR 混合的 Mixture-of-Transformers，规划与合成一体化；把「先写乐谱」变成正式的生成步骤，乐谱可人工编辑、可复用；补上 zero-shot 翻唱和 Agent 编辑两块能力。结果是基准分从 4.9165 拉到 6.7316，best-of-8 采样再冲到 6.9632。

对你意味着什么：中间产物是一份 ABC 格式的乐谱，你可以打开它、改和弦、改旋律，再让模型按新谱重新唱。这是 Suno 这类端到端服务给不了的白盒控制。

四个核心能力

• 写歌：给歌词和风格描述，输出人声加伴奏的完整歌曲，三种模式可选：先规划旋律加和弦（cot="full"，默认）、只规划旋律（cot="melody"）、跳过规划直接生成（cot="off"）。典型场景是给短视频或播客配原创主题歌，官方 demo 里既有 5 分钟的英文赛博金属，也有 3 分半的中文放克「今晚不眠」，风格和歌词都能在仓库 examples 目录里直接复用
• 翻唱：zero-shot 换风格重唱，保留原旋律、换整套编曲。官方流程分三步：先用 SheetSage2 把原曲转成旋律乐谱，再补新歌词或目标风格，最后让 YuE2 按新风格渲染；官方建议翻唱时用 cot="melody" 且乐谱不带和弦记号，让编曲能自由适配新风格。示例里有最炫民族风改民谣、铃儿响叮当改重金属、友谊地久天长改爵士放克，都是保留原旋律、换整套编曲的玩法
• 改谱：ABC 乐谱手工可编辑，每次生成的产物里都包含乐谱、语义 token、隐变量和音频，方便反复迭代。官方还给了改谱建议：想做严格的重新配和声，就保留旋律音高和节奏、检查长音与新和弦是否兼容；想改得放开一点，就允许局部旋律或歌词变动
• Agent 编辑：把「用嘴改歌」做成了 Agent 工作流，官方还放了 yue2-music 技能，教 Agent 生成歌曲、转谱翻唱、改 ABC 乐谱和做听感对比。demo 里一首叫 The Last Train 的歌经 9 步、14 个版本从中文流行改成英文爵士，中途围绕小星星的旋律长出一段萨克斯独奏，每一步的对话、乐谱、提示词全部公开

跑分：官方基准超过 Suno v5/v6

在官方自建的 WildSongBench（192 个提示词，自动评测，2026 年 9 月 12 日）上，SongBench 平均分如下（共评测 17 个系统，此处节选）：

两个必须说清的细节。第一，这是官方自评榜单：评测协议、选择流程都在官方仓库里，技术报告截至 9 月仍未发布（目前可引用的是 YuE 一代的论文）。第二，官方自己在文档里提醒「最高两个均值之间的差距不足以证明统计显著」，也就是说 6.9632 对 6.8721 不能当成碾压结论，最终以你的耳朵为准。

除跑分外，官方还公布了两个配套模型的成绩：音乐理解模型 MERT2 在 15 项 MARBLE 指标里拿下 14 项 SOTA，GTZAN 流派准确率 91.72%；转谱模型 SheetSage2 在 13 项基准里拿下 10 项 SOTA，RWC-Pop 人声旋律音高类 F1 达 82.51%。翻唱能力单独评测：在 948 首作品上，带完整乐谱的 YuE2 拿到 0.647 CLEWS mAP，不带乐谱只有 0.006，说明「有谱」是翻唱质量的关键。

授权变了：个人可商用成品，公司要单独谈

这是 YuE2 这一版最容易被旧文写错的地方。官方仓库现在挂出的授权表分三类：

1. 个人用户、内容创作者、音乐人：可免费使用 YuE2，并对自己生成的成品变现，官方不收费用、不抽版税。
2. 学术研究与教育：非商用场景免费。
3. 公司商用：需联系官方洽谈模型权重的商用授权。

另有一条边界要分清：代码、Agent 技能和文档是 Apache 2.0，模型权重是 CC BY-NC 4.0 加额外创作者许可。也就是说「拿权重接公司商单」仍然越界，「个人用 YuE2 做歌、发布并变现」在现状下是被允许的。第三方组件和早期版本保留各自许可，商用组合前记得逐项核对。

和 Suno、Stable Audio 怎么划边界

Suno 是闭源在线服务，订阅付费、不能自部署、结果不可精细修改；YuE2 反过来，开源可本地部署、乐谱可编辑、可以二次开发，但要求你有 GPU 和动手能力。如果你要的是开箱即用出 demo，Suno 和我们之前写的 Lyria 3.5 更合适；如果你看重可控性和私有部署，YuE2 是目前开源阵营里最能打的之一，同赛道还有 Stable Audio 3.0 可以对比着看。

什么人不适合用 YuE2

说了这么多能做什么，有三类人可以直接绕开它：

1. 没有 24GB 显卡的人：本地跑不动，替代方案是先去官方演示站试听效果，满意了再按小时租一张云 GPU，出几首满意的成品就退租，不必为它升级机器。
2. 要给公司做商用产品的人：权重是 CC BY-NC 4.0，公司商用需先拿到官方授权，个人创作者的成品变现才不受影响。替代方案看 Stable Audio 3.0 的可商用开源路线，或者 Lyria 3.5 的 API 路线。
3. 只想快速出 demo 的人：装环境、转谱、转歌词是一整套流水线，折腾半天才出第一首歌。只是想验证一个创意，Suno 网页版几分钟就能出结果，等创意值得认真做再回来本地部署也不迟。

国内能不能用：渠道与门槛

1. HF 直连或镜像：模型权重在 Hugging Face 的 m-a-p/YuE2-3B，首次运行会自动下载模型，直连不稳的话先设置镜像环境变量 export HF_ENDPOINT=https://hf-mirror.com，再执行后续命令，速度会快很多
2. 魔搭 ModelScope：m-a-p 的 YuE2 系列已经上架，装好 modelscope 后一条命令拉到本地：modelscope download --model m-a-p/YuE2-3B --local_dir ./YuE2-3B
3. 硬件门槛：官方快速开始要求 Linux、Python 3.12、支持 BF16 且 24GB 显存的 NVIDIA 卡；RTX 4090 实测峰值显存约 11.2GB，最大上下文场景到 14GB
4. 算一笔电费账：4090 满载约 450W，官方实测 71 秒出一首 3.6 分钟的歌，单首耗电不到 0.01 度，本地生成的电力成本几乎可以忽略
5. 没有高显存卡的话，先去官方演示站 map-yue2.github.io 试听；官方还给了 H800 加 vLLM 的服务端方案，16 并发每小时可出约 340 首

踩坑：跑 YuE2 最常见的四个卡点

1. 显存与系统不达标：官方明确要求 24GB 显存的 NVIDIA 卡加 BF16 支持，环境是 Linux 加 Python 3.12；显存不足或 Windows 环境是最常见的起不来的原因。
2. 模型首次运行才下载：权重不在安装包里，第一次生成时会从 Hugging Face 拉，国内不配镜像容易卡在下载阶段。
3. 改谱不等于改音频：官方文档写明，编辑乐谱会重新生成一段完整录音，不会保留原始波形，所以「只改一个和弦、其余原封不动」是做不到的。
4. 翻唱依赖独立环境：转谱要另装 SheetSage2，它跑在单独环境里并会自动加载 MERT2 编码器，想一步到位不现实，按官方 covers 指南分步装。

上手路径：最快 3 步

1. 拉代码装环境：git clone https://github.com/multimodal-art-projection/YuE.git 后 cd YuE，用 python3.12 -m venv .venv 建虚拟环境，source .venv/bin/activate 激活，再 python -m pip install . 装本项目；下载慢就先配好上面的镜像环境变量。想用打包好的版本，也可以装 v0.1.6 的 wheel。
2. 加载管线：from yue2 import YuE2Pipeline，再用 YuE2Pipeline.from_pretrained("m-a-p/YuE2-3B", device="cuda") 载入模型。
3. 生成第一首歌：跑 python examples/generate.py --output outputs/first-song 出示例曲，或把风格和歌词传进 pipe(style=..., lyrics=...) 生成自己的歌，结果保存为 flac，产物里就有可编辑的 ABC 乐谱。

想看看 AI 音乐还能在哪些场景落地，可以读我们的 AI 创作入门。