折腾一晚我把YuE2-3B跑通，24G显存是真门槛

最近刷 GitHub 趋势榜，有个音乐项目窜得挺猛，YuE2，一天涨了快五百星。点进去看，一句话概括：它能自己写歌、翻唱，还能像改文档一样改音乐，而且代码全开源，能在本机跑。

我手头刚好有张 24G 显存的卡，心痒就折腾了一晚把它跑通。下面把实测体验和踩的坑都摊开，优缺点都不藏。

它到底是什么

YuE2 是多模态艺术投影组（M-A-P）搞的开源音乐生成模型。和那些要按月充钱的在线音乐 AI 不一样，它是个能下载到自己机器上跑的东西，模型权重放在 Hugging Face 上，谁都能拉。

核心思路我觉得挺巧。有些工具是直接“凭空”吐一段音频，你完全没法干预。YuE2 不是，它先写一份“乐谱计划”，也就是旋律加和弦，你看得懂、也改得了，然后再把这份计划渲染成带人声、带伴奏的完整歌曲。

官方管这个叫“符号规划”。说白了，它把写歌拆成先列大纲、再填肉两步，中间你随时能插手改大纲。

底层怎么动的

技术细节不深究，原理简单说一句：它用一套混合 Transformer 先自回归地预测“乐谱”和“语义标记”，再用流匹配生成声音的潜变量，最后用一个 VAE 解码成立体声。整个过程不需要把音频量化压扁，所以出来是 48kHz 真立体声。

听懂没听懂不重要，关键结论就一句：它产出的不是糊弄的短铃声，是能听的完整曲子。

三个能耐

写歌。 给它歌词和一个风格描述，比如“中文流行、轻快吉他”，它就出一首完整的歌，人声伴奏都在。

零样本翻唱。 你丢一段已有的歌进去，它把旋律扒出来，再用你指定的新风格重唱一遍。比如把一首普通话流行改成英文爵士，还能顺手加段萨克斯。这个“零样本”是说它没为翻唱单独训过，纯靠通用能力做到的。官方在评测里也验证了，带乐谱的翻唱明显比不带谱的强一大截。

agentic 编辑。 这个我最喜欢，能用对话改一首歌。换和弦、改旋律、调速度、动结构，你提要求它重生成一版。官方放的例子挺直观：一首《The Last Train》从普通话流行改到英文爵士，前后走了 9 步、出了 14 个版本，最后加进了新和声和萨克斯独奏。官方还顺手发了个 yue2-music 的 agent skill，把这个流程封装好，丢给支持 SKILL.md 的 AI 助手就能直接调。

跑起来要什么

门槛说实话不低。我这次是 Linux、Python 3.12、一张支持 BF16 的英伟达卡、24G 显存。模型第一次用会从 Hugging Face 拉，叫 m-a-p/YuE2-3B，30 亿参数。命令其实不长：

git clone https://github.com/multimodal-art-projection/YuE.git
cd YuE
python3.12 -m venv .venv
source .venv/bin/activate
python -m pip install .
python examples/generate.py --output outputs/first-song

打开 outputs/first-song/audio.flac 就能听。它连乐谱、语义 token、生成参数都留着，方便回头改。

好在哪，差在哪

先说好的。

质量上，官方在 WildSongBench 上和 Suno v5、v6 比过，best-of-8 那档拿到 6.96 的均分，是列出来的所有方案里最高的。差距很小，谈不上碾压，但一个能本机跑的开源模型做到这程度，确实够看。

更值钱的是“白盒”。多数音乐 AI 是黑盒，给什么收什么。YuE2 的乐谱你看得见改得了，对真做二次创作的人，这比音质还重要。代码是 Apache 2.0，拿去改、拿去研究都行。

再泼点冷水。

坑点一 · 显存是硬门槛。 24G 不是随便一张卡就有的，集显笔记本基本告别。我那张刚好卡线，跑长曲子显存压力看得见。

坑点二 · 权重不等于可商用。 代码是 Apache 2.0，模型权重却是 CC BY-NC 4.0，个人非商用随便玩，拿去做生意得另谈。想靠它搞付费服务先想清楚。

坑点三 · 环境挑系统。 它认 Linux 加 Python 3.12，Windows、mac 用户得走 WSL 或虚拟机，新手不算友好。首次还要从 Hugging Face 下模型，国内网络有时得折腾镜像。

坑点四 · 编辑是重新生成。 编辑是“重新生成一版”，不是在原音频上局部改，原波形不保留。做精细剪辑心里得有数。

坑点五 · 生成要等。 3B 模型在 24G 上生成长曲，耗时不会太短，急性子要有耐心。

适合谁

想在本机玩音乐生成、做翻唱或二次创作、做研究的，YuE2 值得试，开源可改这条太香。

只有集显本、或者想直接商用的，现在还不太合适，在线音乐 AI 可能更顺手。

获取地址

项目主页与文档：

https://github.com/multimodal-art-projection/YuE

模型权重（首次运行会自动下载）：

https://huggingface.co/m-a-p/YuE2-3B

本地部署请遵守项目 LICENSE 与开源协议，模型权重按 CC BY-NC 4.0 仅作非商业使用；运行前确认显存满足官方要求，数据自行备份。

写在最后

折腾完最大感慨：开源音乐生成真追上来了。一年多前这类活儿基本被几家在线服务把持，现在本地能跑、质量还能和 Suno 掰手腕，方向是对的。

门槛高归高，但自己的歌在自己机器上生成这件事，已经从科幻变成敲几行命令就能试的现实。

---

我是胖猫小栈，一个爱折腾开源项目的站长。以上都我自己跑下来的真实体验，没实测的不敢乱写，希望对你有用。