从 v0.1 到 YuE2：一年多里，开源音乐生成到底进化了多少？-平芜编程栈

从 v0.1 到 YuE2：一年多里，开源音乐生成到底进化了多少？

【免费下载链接】Yue2项目地址: https://ai.gitcode.com/hf_mirrors/Comfy-Org/Yue2

一年多前，你想让 AI 帮你写一首歌，基本只有一条路：打开付费网站，输入几句歌词，然后像开盲盒一样等它"抽"出一首歌。好听？谢天谢地。难听？那就再抽一次，抽到你怀疑人生。

这就是当时 AI 音乐的最大痛点——你只管输入，它只管输出，中间发生什么，你完全插不上手。

而最近，一个叫 YuE（读作"乐"）的开源项目，正悄悄把这件事彻底改写了。从一年前的 v0.1，到现在的 YuE2，这个项目几乎是以"周更"的速度狂奔，把 AI 写歌从"抽卡游戏"变成了"看得见、改得动"的创作工具。今天咱们就聊聊，这一年多里，它到底进化了多少。

它到底是个啥？

一句话：YuE 是一个能"看着歌词写出完整歌曲"的免费开源 AI——注意，是完整歌曲，人声和伴奏全都有，能唱中文、英文、日文、韩文。

你可以把它想象成一位随叫随到的"数字音乐人"：你给它歌词，它帮你作曲、编曲、配伴奏，最后再找个"AI 歌手"把歌唱出来，一条龙全包。

而到了 YuE2 这代，它干了一件更狠的事——它不再闭着眼瞎唱，而是先把乐谱写出来给你看，你满意了，它才开嗓。就像拍电影，以前是"直接出成片，不满意重拍"，现在是"先给你看剧本，改满意了再开机"。

就冲这一点，行业里已经有人喊出了那句评价："把 AI 音乐从抽卡，变成了可编辑的工程。"

这一年多，到底进化在哪？

第一阶段：v0.1，能唱了，但像"黑箱"

2025 年 1 月底，YuE v0.1 亮相。它最大的功劳，是证明了"开源也能写出带人声的完整歌曲"。你给它歌词和风格描述，它吐出一首像模像样的歌。

但这时候它还是典型的"黑箱"：歌是出来了，怎么出来的、为什么这么编，你看不到，也改不了。不好听？重抽。

第二阶段：v0.2，四天后就升级，开始"听得懂人话"

你可能想不到，v0.2 在 v0.1 发布仅仅四天后就来了。这速度，堪称开源界的"内卷之王"。

这一版最实用的进化，是"双轨参考"——你可以拿一首现成的歌"喂"给它，让它照着这首歌的风格、味道，写出一首新歌。想要周杰伦味的？披头士味的？给它一首参考歌，它就能"抄作业"抄得神似。

同时它支持了LoRA 微调，说白了就是你可以用自己收集的歌，把 AI 调教成你的专属曲风；还大幅优化了显存占用，让更多人能用普通显卡跑起来。

第三阶段：YuE2，质变来了

如果说前两版是"小步快跑"，那 YuE2 就是"换了个物种"。它的核心变化，前面说了：先写谱，后出声。

具体到体验上，有三件事特别惊艳：

1. 乐谱能看了，还能改。AI 先产出一份简单易懂的文本乐谱，旋律、和弦清清楚楚摆在眼前。你嫌某句旋律不对？直接改。你想"只换和声、不动旋律"？它也能精准做到——这是老版本想都不敢想的操作，专业音乐人看了都直呼"这就对了"。

2. 音质直接对标商业顶流。YuE2 直接输出 48kHz 的立体声成品（音质比普通 CD 采样率还高一截），专家盲评给出的结论是：音频质量已经和付费王者 Suno v5 一个水平。在专业榜单上，它的综合评分也超过了所有公开的开源对手。更夸张的是，有人实测 4090 显卡上，71 秒就能产出一首 3 分多钟的完整歌曲——一分钟出首歌，这速度放一年前谁敢信？

3. 零样本翻唱，一个模型不用训。你录一段清唱扔进去，它就能把你"变身"成任何风格：民谣版、电子版、国风版……全程不需要任何训练，三步出 48kHz 成品。社区里的技术大牛还连夜做出了官方都没有的"指定音色翻唱"功能，让整活儿玩家玩得不亦乐乎。

为什么它能在全网刷屏？

除了功能硬核，还有一层关键原因：它完全开源，而且用的是 Apache 2.0 这种"对商业最友好"的许可。

什么意思？大白话讲就是——任何人、任何公司，都可以免费拿去用、改、甚至做成商业产品，不用担心被告侵权。对比之下，那些闭源的商业 AI 音乐工具，你只能乖乖交会员费，数据还全在人家服务器上。

一边是"花钱抽卡还不能改"，一边是"免费拿回家，想怎么改怎么改"，这落差一出来，YuE2 想不火都难。港科大的团队因此也登上了国际开源平台的榜单前列，成了国产开源圈的高光时刻。

普通人能玩吗？门槛高不高？

说实话，玩 YuE2 还是需要点硬件的：一张 24GB 显存的显卡（比如 4090），就能在本地跑起来。没有这么猛的显卡也没关系，现在很多平台也接入了类似能力的在线体验。

更省事的办法是：用 ComfyUI——就是那个画画圈很火的 AI 工具箱——现在已经有人做好了音乐工作流，模型文件放进去，就能在图形界面上"输入歌词、拖拖拽拽、生成歌曲"，还能批量产出，搞短视频配乐、做 B 站鬼畜、出 Demo 小样，全都不在话下。社区里甚至有人发了"整合包"，连翻唱、指定音色这种高级功能都一键打包好了。

所以它适合谁？自媒体创作者（短视频 BGM 再也不怕侵权）、独立音乐人（写歌之前先用 AI 出个 Demo 找灵感）、想学作曲的学生（直接在谱子上看 AI 怎么编曲），以及所有爱折腾的科技发烧友。