YuE2-3B 評測：本機 AI 音樂、Suno 比較與 ComfyUI

YuE2-3B 最有吸引力的地方，是讓你修改作曲本身，而不只是反覆抽一首成品。 它把歌詞與曲風轉成歌聲及伴奏，同時輸出可檢查、可編輯的旋律與和弦樂譜，適合非商用的作曲練習、編曲探索與音樂生成研究。

不過，它還不是毫無限制的「免費 Suno」。模型權重採非商用授權，官方安裝建議使用 24GB NVIDIA 顯示卡，社群對音質的評價也不一致。最高基準分數還涉及從八個候選結果中挑選。購買硬體前，先聽符合自己曲風的音樂範例。

資料更新：2026 年 9 月 16 日。本評測依據已發布的模型、官方文件與具名社群實測；並非 AirMore 自行執行的音訊生成基準測試。

YuE2-3B 能做什麼？先編曲，再合成音訊

官方專案將 YuE2 定位為結合作曲規劃與聲音合成的 3B 級模型。預設先產生包含旋律、和弦的 ABC 樂譜，再輸出 48kHz 立體聲。執行時也需要音訊解碼器，因此「3B」不代表整套系統的記憶體需求。

ABC 是文字記譜格式，不表示能直接理解任意樂譜照片、PDF 或 MIDI。生成文件說明支援的表示方式與中間產物。輸出為立體聲混音，若需要分離人聲、伴奏等音軌，仍須另外處理；最終演奏也不保證完全遵循樂譜。

相較初代 YuE，主要進步是多了可檢查、修改的作曲中間層。不過，修改 ABC 後會重新生成整首錄音，並不保證修改範圍以外的波形保持相同。若原本的歌聲很滿意，務必保留原始音檔。

線上試用、官方下載與社群入口

levibrg 的介面於 9 月 16 日可開啟，但這不保證生成一定成功或 GPU 額度充足。社群 Space 並非官方 M·A·P API，也沒有免費服務永遠可用的承諾。網域名稱含 YuE2 的網站，不能直接視為官方。

初次試用可先準備短篇原創主歌與副歌，明確指定語言、樂器和情緒。把提示詞、seed 與樂譜一起保存；使用公開展示站前，先確認上傳錄音的資料處理方式。

能媲美 Suno？先看 Best-of-8 的比較條件

官方 WildSongBench使用 192 組提示詞自動評分，不是獨立聽眾的盲測。SongBench Avg 越高越好，PER 為音素錯誤率，越低代表該評估中的歌詞對齊越好。

標準 YuE2 的結果已經是二選一，Best-of-8 則是八選一。 一般管線呼叫只產生一個候選，篩選是另外的步驟，不能把標準結果稱為 Best-of-1。八次生成也意味著更多運算與試聽時間。

表中兩組 YuE2 數據使用 YuE2-Vae-legacy；一般試聽預設使用 YuE2-Vae。官方指出兩者在指標上的音樂性與感知音質之間有取捨。比較時應同時考慮解碼器、提示詞、候選數與生成設定。

這支持「在特定評估中具有競爭力」，不能推導出所有曲風、人聲或吉他都勝過 Suno。較新的商用版本分數偏低，也不代表所有使用情境都退步。

真實使用心得：控制力有進步，音質仍有取捨

kun432 的 Zenn 紀錄提供 Colab L4 安裝、生成日誌與音樂連結。該環境約花四分鐘生成，尖峰 VRAM 約 9GB；日語範例仍出現讀音問題。作者明確表示未用過 Suno，因此不能把它當成 Suno 對照實測。

asfdrwe 的 Qiita 文章記錄 Fedora 44、Radeon RX 7800 XT 與 audio.cpp Q4 的組合，包含 HIP 編譯方式與日語偶像曲範例。這證明的是特定 AMD 環境可行，不是所有 Radeon 都獲官方保證；早期模型載入參數也曾更動。

初期 Reddit 討論中，GreyScope 回報在 4090 執行；martinerous 則形容範例有顆粒狀「AI sand」雜訊，Sindre_Lovvold 對重搖滾／金屬吉他及曲風還原不滿。後續翻唱討論則有高度正面的體驗。它們使用不同設定、曲風和篩選方式，不代表整體成功率。

試聽時要注意長母音、子音、吉他起音、鈸聲尾韻、段落轉換與結尾。背景音樂要確認沒有不需要的歌聲，歌曲則要逐句核對歌詞。一段銅管逼真，不表示四分鐘編曲都穩定。目前具體證據以開發者及社群紀錄為主，尚不能宣稱已有大型媒體獨立盲測的一致結論。

硬體配置、VRAM 與生成速度

官方模型卡列出本體加預設 VAE 約 7.8GB 的權重；環境、快取與音檔另計。實務上可預留 20–30GB SSD 空間，新電腦以 32GB 系統 RAM 較有餘裕。這是規劃建議，不是官方最低要求。

上表來自 audio.cpp 維護者的 RTX 5090 長曲測試，各次先暖機，音訊長度並不相同。5090 上的 7,755MiB 尖峰，不是任意 8GB 顯示卡都能成功的保證；還要考慮可用記憶體、運算後端與速度。

已有合適顯示卡，本機生成不需逐首扣服務點數；若只是偶爾做歌而要買整台電腦，仍須計入硬體、電費、維護與重試成本。模型可下載，不代表八次生成的成本是零。

本機部署：官方 Python 與 GGUF 路線

Linux／NVIDIA 官方安裝

依 官方快速入門建立乾淨的 Python 3.12 環境。下列是官方文件的安裝流程，不代表已在所有 GPU 實測。

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 --upgrade pip python -m pip install . python examples/generate.py --output outputs/first-song

首次執行會下載權重。播放 outputs/first-song/audio.flac，並保留完整輸出目錄。將以下英文原創歌詞範例存為 my_song.py，再執行 python my_song.py；可自行替換歌詞與語言描述，先用短篇測試發音。

from yue2 import YuE2Pipeline with YuE2Pipeline.from_pretrained("m-a-p/YuE2-3B", device="cuda") as pipe:     song = pipe(         style="English, warm piano pop, 96 BPM, clear lead vocal, "               "soft drums, restrained verse, wider final chorus",         lyrics="[Verse]\nThe station lights are fading slow\n"                "I keep a little hope to go\n\n"                "[Chorus]\nOne more morning, one more mile\n"                "Carry me home with a quiet smile",         cot="full",         seed=42,     )     song.save_artifacts("outputs/my-song")     print(song.truncated)

檢查 song.truncated 及 result.json：即使音檔可以播放，也可能觸及 token 上限。保存樂譜、設定與模型／VAE 版本。樂譜修改及 SheetSage2 轉錄再重新演繹有獨立文件；一般文字生成歌曲不需額外下載 MERT2。

audio.cpp、GGUF 與 AMD

9 月 15 日的 audio.cpp v0.8.0已將 YuE2、SheetSage2 合併至 main，早期「只能用 dev」的說法已過時。選擇符合系統與後端的版本，並從 GGUF 頁面備齊主模型、VAE、設定與 tokenizer，不能只下載單一權重檔。

依當前版本的 CLI／WebUI 模型載入說明操作。Windows CUDA 版也需要對應執行階段套件；AMD 請依 HIP／ROCm 編譯說明。先分辨缺檔、GPU 核心不支援、Torch 不相容或記憶體不足；重抓同一個模型不會解決套件相容性。官方 Python 與 ComfyUI 環境宜分開。

ComfyUI 工作流程：從樂譜編輯到儲存音訊

FL YuE2 自訂節點提供鋼琴捲軸和分階段生成。維護者驗證的環境為 Windows、Python 3.12、Torch 2.11、RTX PRO 6000 Blackwell；其他裝置與 24GB 配置尚未在此整合中驗證，不能把官方 Python 的建議直接當成節點保證。

下載 score_editor_to_song.json（原始 JSON），用 ComfyUI Manager 安裝節點，或用 ComfyUI 本身的 Python 執行以下指令，再重新啟動。可攜版請改用內附的 Python 執行檔。

cd ComfyUI/custom_nodes git clone https://github.com/filliptm/ComfyUI-FL-YuE2.git cd ComfyUI-FL-YuE2 python -m pip install -r requirements.txt

1. 將 JSON 拖入 ComfyUI，先補齊缺少的節點。
2. Load Models 首次載入會下載本體與解碼器到 ComfyUI/models/yue2/，約 7.8GB。
3. Piano Roll Score Editor 範例為 8 小節；調整音符與和弦後再生成。
4. 依序連接 Piano Roll → Compose → Render Music → Decode Audio → Preview／Save，並共用載入器。保留已接受的中間結果。
5. Generate Audio 範例採 32 步，音訊上限 45 秒。先用短曲確認音質再拉長。
6. 使用 PreviewAudio 試聽，透過 SaveAudio 儲存音檔，同時保存工作流程與 seed。

這是維護者提供的實際工作流程，不是所有 GPU 都測過的萬用配置。載入失敗先看缺失節點、模型檔與 VRAM，不要把生成成功等同於音質合格。

先保留範例的八小節純音樂樂譜。若要另作新曲，解除樂譜輸入，在 Compose 填入曲風與歌詞，保留 full 規劃。純音樂可留空歌詞，並描述樂器。輸出儲存在 output/audio/YuE2/；45 秒是上限，不是精確時長。降低解碼器 tile_frames 可能減少解碼記憶體，但不能解決所有記憶體不足。此節點包的 SheetSage2 轉錄需另設上游環境；不要把原生 ComfyUI 節點與 FL 節點的模型、設定混用。

值得試聽的官方與社群音樂

第三方播放器可能要求登入或驗證；以上保留原始來源，沒有重新託管音檔。不要只聽副歌：戴耳機完整聽一遍，再用喇叭確認背景音樂的穩定度；比較時保持音量接近。

與 Suno、MiniMax Music 3、ACE-Step 比較

Suno：便利性、訂閱與下載額度

Suno 的版本紀錄在 9 月 9 日列出 v6、v6 wild、v6 mini。因此官方基準中的 v5 只是歷史比較對象，不是現今所有 Suno 功能的代稱。Suno 適合重視即開即用和整合工作流程的人；YuE2 的優勢是本機與可編輯作曲結構。

價格頁的美國年度方案月均參考為 Pro US$8、Premier US$24，並非按月付款價格，也不是台灣新台幣報價。實際幣別、稅額與計費週期以帳戶結帳頁為準；不要把截圖中的日圓金額視為台灣方案。

依 9 月 3 日下載規則，免費用戶有帳戶終身 7 次試用下載，Pro／Premier 分別每月 20／60 次，Studio 流程另有例外。串流及連結分享仍可用。「免費帳戶完全不能下載」不準確；生成點數、下載次數與商用權利必須分開看。

MiniMax Music 3：規模與授權不同

MiniMax Music 3含 8B 全域語言模型、0.6B 局部語言模型及其他合成元件，支援最長五分鐘、32kHz 立體聲。YuE2 主幹較小，但參數量不能直接推導 VRAM 或音質；單一基準分數也不是所有音樂風格的排名。

可參考 官方 Space及 Music3 Community License。該授權有命名、安全措施與涵蓋年營收超過 US$2,000 萬時的額外授權門檻，不能套用 YuE2 的許可條件。

ACE-Step：本機迭代與硬體彈性

ACE-Step 1.5採 MIT 授權，提供生成、重新演繹和局部重繪等流程。文件區分約 4GB 的 DiT-only 與至少 6GB 的 LM＋DiT；較新的 XL 使用 4B DiT，透過卸載／量化最低列 12GB，建議 20GB，不能把小配置要求套到 XL。

重視旋律、和聲中間層可選 YuE2；需要大量本機修改可比較 ACE-Step；想省去安裝時間則考慮線上服務。商業用途要同時評估音質與適用授權。

常見問題

YuE2 是完全開源、可免費商用嗎？

目前第一方程式碼與文件採 Apache 2.0，但 模型權重採 CC BY-NC 4.0。舊發行壓縮檔仍依附帶授權。可下載不等於可無限制商用，付費服務或客戶專案不能直接假定被允許。

8GB 顯示卡能跑嗎？

Q4 數據接近 8GB，但測量卡是 5090。可在現有硬體試驗，不宜據此購買新卡；官方仍建議 24GB NVIDIA。記憶體很緊時，可先比較其他模型。

日語與其他語言唱得準嗎？

官方與 kun432 有日語範例，但不代表讀音零錯誤。中文或其他語言也應用短句逐句試聽，檢查咬字和漏詞，不要直接把一種語言的成果推廣到另一種。

改樂譜後，歌手與其他段落會保持不變嗎？

沒有這項保證。樂譜約束作曲內容，合成仍會產生新錄音，音色、時間位置及伴奏可能變化。保留滿意的原始版本。

為什麼展示曲比第一次生成好？

候選篩選、曲風、提示詞、解碼器和參數都會影響結果。比較時也要計入失敗作品；Best-of-8 不是一次 API 呼叫的品質保證。

支援 NSFW 或露骨歌詞嗎？

官方未提供通用的 NSFW 支援承諾。本機執行不等於有「無審查模式」，線上展示站也有各自規則，應視為未確認行為。

結論：值得試作，但先確認用途與音質

YuE2 把可檢查的旋律、和聲帶進本機音樂生成，對非商用作曲練習、編曲研究和實驗有實質價值。官方與社群範例值得聽，但每首仍須篩選。

若要商業發行、第一次就得到乾淨人聲，或只想一鍵做歌，它未必是最省事的選擇。先在現有硬體用短曲確認音質，滿意後再投入 ComfyUI 與樂譜編輯，不要只憑漂亮的單一分數購買設備。