香港科技大学研究团队在2024年推出 YuE 后，近日发布了其升级版 YuE2。这是一款开源的音乐生成模型，不仅在质量上足以与 Suno v5 等顶尖专有模型媲美，更通过引入可编辑的符号乐谱（Symbolic Score）作为中间层，解决了传统 AI 音乐生成“黑盒化”、难以精确控制的痛点。
- 项目主页：https://map-yue2.github.io
- GitHub：https://github.com/multimodal-art-projection/YuE
- 模型：https://huggingface.co/collections/m-a-p/yue2
YuE2首次实现符号乐谱 + 音频生成双链路统一创作。不仅综合音质跑分超越主流商业模型 Suno v5，更把 AI 音乐创作从“盲生成”带入了“可编辑、可复盘、可迭代”的专业制作时代。
相较于市面上大多数只能一键出歌的 AI 音乐工具，YuE2 最大的颠覆性优势，就是先作曲、后渲染。
简单来说：别的 AI 是直接生成音频，成品好坏全靠运气；而 YuE2 会先写出完整旋律、和弦乐谱，你可以随意修改编曲、调整旋律、优化和声，最后再渲染成人声+伴奏的完整歌曲，全程透明可控。
跑分登顶！开源模型逆袭超越商业旗舰 Suno v5
在权威音乐评测基准 WildSongBench 中，YuE2 交出了目前开源模型里的最强成绩单。
在 best-of-8 最优采样模式下，YuE2 综合得分 6.9632，全面超越商业模型 Suno v5 的 6.8721，拿下所有开源、闭源参评模型中的第一名。
这也意味着，免费开源的 YuE2，在歌曲完整性、旋律合理性、曲风贴合度、人声自然度等核心维度，已经达到甚至超越主流商用 AI 音乐的水准。
告别黑盒！YuE2 实现真正的「白盒音乐创作」
目前绝大多数 AI 音乐都属于“一次性黑盒生成”。生成不满意只能重刷，无法精准修改某一段旋律、和弦与编曲，极大限制了专业创作。
而 YuE2 彻底重构了生成逻辑，新增符号音乐规划能力，把 AI 作曲过程完全公开化：
在输出音频之前，模型会先生成完整可编辑的乐谱方案，包含旋律走向、和弦编配、节奏结构。用户可以直接查看、播放、手动修改乐谱，也可以交由 AI 智能迭代优化。
从“靠运气出歌”，升级为“可控、可编辑、可精细化打磨”的专业创作流程，这也是 YuE2 区别于所有同类模型的核心壁垒。
三大核心能力：创作、翻唱、AI 智能迭代编辑
YuE2 一套模型打通了原创作曲、零样本翻唱、智能迭代优化三大场景，适配绝大多数音乐创作需求。
1、文本原创作曲
只需输入歌词+曲风描述，模型自动完成词曲创作，先输出标准化 ABC 乐谱，再渲染出带人声、完整伴奏的立体声成品歌曲，全程自动化、结构完整、曲风统一。
2、零样本风格翻唱
支持导入任意原唱音频，AI 自动提取核心旋律乐谱，保留原曲结构的同时，一键重构曲风、和声、编曲，实现无损跨风格翻唱，无需训练微调。
3、AI 代理对话式编辑
这是最具创新性的功能。你可以用自然语言提出修改意见，AI 会自动解读需求，反向修订乐谱、歌词、编曲和曲风，多轮迭代打磨成品。
官方演示将《The Last Train》从普通话流行曲风，经过 9 轮迭代、14 个版本优化，最终改成英文爵士版本，全新编排和声、新增萨克斯独奏，全程可追溯每一轮的乐谱、提示词和歌词变化。
轻量化部署 + 完整开发者能力
相比一众高门槛 AI 音乐模型，YuE2 的本地部署门槛非常友好：仅需 24GB 显存 GPU，即可直接生成 48kHz 高清立体声歌曲，无需量化压缩、无需特殊适配。
同时面向开发者开放全套能力：支持 Hugging Face 快速加载、CFG 文本精准调控，还拆分出独立的规划、合成、解码 API，开发者可以自由搭建专属作曲、编曲、翻唱工具。
技术原理：分层式 AI 作曲架构
YuE2 采用 AR-NAR 混合 MoE Transformer 主干架构，创作逻辑高度模拟人类音乐人：
先通过自回归方式预测乐谱、语义令牌，完成整首歌的结构规划；再通过流匹配算法生成声学潜变量，最终由 VAE 解码输出高清立体声音频。
原创、翻唱、编辑三种模式，仅乐谱来源不同：由模型原创生成、由音频转写提取、由 AI/人工修订优化，底层统一架构，效果稳定可控。
整套工作流对外开放分段式 Python API，用户可以单独复用乐谱规划、单独合成音频，灵活度拉满。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
