开源音乐模型 YuE2-3B 发布：先写可编辑乐谱再生成整曲，号称媲美 Suno v5

发生了什么

9 月 9 日（报道集中于 9 月 11 日），香港科技大学与 Multimodal Art Projection（M·A·P）团队开源了音乐生成模型 YuE2-3B（约 30 亿参数）。它和 Suno、Udio 最大的不同是“白盒”做法：给一句歌词和风格描述后，模型先写出一份可编辑的乐谱（ABC 记谱法写的旋律 + 和弦），你人看过、改过之后，它再把乐谱渲染成一首最长 5 分钟、48kHz 立体声、带人声和伴奏的完整歌曲。

权重已在 Hugging Face 放出（CC BY-NC 4.0，非商用），代码在 GitHub（Apache 2.0）。在 WildSongBench 公开基准（192 条Prompt）上，YuE2 best-of-8 得分 6.96，略高于 Suno v5（6.87）和 Mureka 9（6.94）。一张 24GB 显存的消费级显卡（如 RTX 4090）就能本地跑，输出 48kHz 立体声，支持中英文。

对我有什么用

过去做 AI 音乐基本是“黑盒”：你丢一句提示词，模型直接吐音频，中间旋律对不对你改不了，只能整首重生成。YuE2 把“作曲”和“演唱/制作”拆开——先出乐谱，人能介入改和弦、移调、调旋律，再渲染。这等于把可控性还给了创作者，也第一次让“看乐谱学 AI 作曲”成为可能。对开源阵营来说，24GB 显卡就能本地跑、质量逼近商业闭源产品，是缩小和 Suno 差距的重要一步。

我可以怎么做

• 做歌 / 写 demo：在 Hugging Face 或 demo 页（map-yue2.github.io）输入歌词 + 风格，就能生成带人声的完整歌曲，不用懂乐理也能出成品。
• 学音乐 / 教学：老师可以生成一首歌，把乐谱投出来和学生讲和弦走向，直观又好懂。
• 本地玩：有 24GB 显卡的玩家可以本机部署，数据不出本机，隐私更好；支持“翻唱”（给一段录音重新编曲）和“对话式编辑”（跟模型聊着改歌）。

温馨提醒

• 商用受限：权重和代码都是非商业许可，想拿来做付费产品、商用的要先确认授权，别直接拿去卖。
• 听感还需社区验证：超过 Suno v5 的说法主要来自发布方自测和个别用户反馈，独立大规模横评还少，实际效果建议你先听官方 demo 再判断。
• 它需要一定显卡门槛（约 24GB 显存），纯 CPU 或低显存机器跑不动。