【2026 最新】YuE2 本機音樂教學：7 步用可編輯 ABC 樂譜做成人聲歌曲

你想用 AI 寫歌，真正卡住的往往不是「生不出聲音」。如果手上的工具只交付音訊、沒有可編輯的符號層，副歌旋律想留、和弦想換、速度想慢一點時，通常只能重新生成。這篇 YuE2 本機音樂教學要處理的，就是這個「只有成品、沒有工程檔」的痛點。

YuE2 於 2026 年 9 月公開；在預設 cot="full"工作流裡，它會把歌詞與風格先轉成可讀的 ABC notation（用純文字記旋律、節奏與和弦的樂譜格式），再生成一軌包含人聲與伴奏的 48 kHz 立體聲混音。本文專為第一次碰本機音樂模型的讀者寫：不假設你懂樂理，帶你從硬體與授權檢查、Prompt、ABC 樂譜、改和弦、重新渲染，一路走到可重跑的 A/B 驗收。

本文固定在 2026 年 9 月 12 日的官方 GitHub commit 88da114、YuE2-3B revision 29b3558與預設 YuE2-Vae revision 9a94e1d。AlphaLab 這次只在 macOS Python 3.9.6 執行官方的免 GPU ABC 檢查器；完整歌曲生成依官方支援路徑整理，沒有把未執行的音訊渲染寫成「實測」。

先說結論：YuE2 把「抽歌」變成「先看藍圖，再錄音」

一句話記住：本文採用的 YuE2 full路徑＝可修改的 ABC 音樂藍圖＋依藍圖生成的完整錄音。

• 適合你：有 Linux 工作站、支援 BF16 的 NVIDIA GPU，想保留旋律與結構控制，願意用文字檔管理每個版本。
• 先別急著下載：官方支援起點是 24 GB VRAM，模型權重採 CC BY-NC 4.0；商業案不能把「可下載」誤讀成「已取得商用授權」。
• 最小成功交付：一份原始 score.abc、一份改過的 edited.abc、兩個各自完整的輸出資料夾，以及一張不看檔名也能評分的 A/B 記錄。

YuE2 是什麼？四個階段看懂「樂譜先行」

依官方生成指南，本文採用的 full路徑可拆成 plan() → generate_semantic() → synthesize() → decode()。白話翻譯就是：先寫譜、再決定怎麼唱與演奏、再形成聲學表示，最後由 VAE 解碼器輸出聲音；off模式則跳過 symbolic plan。

這裡最重要的不是模型術語，而是使用 cot="full"或cot="melody"時，plan 會留下 score.abc。一般一句 Prompt 出歌像請樂團直接交母帶；full則像先拿到旋律與和弦的控制草案。你能看拍號、速度、調性、段落、歌唱旋律與和弦，改完再把新譜送回同一個生成器。

這份 ABC 是 YuE2 限定格式的控制草案，不是能表示任意編制的完整 DAW 工程：Vocal與Ins是單音旋律線，後者可代表器樂主題或 solo；和聲以 chord symbols 表示。依本文固定版本的官方 save_artifacts()清單，音訊交付是單一完整立體聲 audio.flac；本文的「人聲與伴奏」都指同一混音內的內容，不把它寫成獨立 stems。

官方專案頁的 From score to song展示把音訊播放器、五線譜與 Raw ABC 放在同一個檢視中。這個介面很適合先建立直覺：聽到某段不合意時，不只寫「再來一次」，而是回頭定位速度、段落、旋律或和弦。

開始 YuE2 本機音樂教學前：先過硬體與授權 4 關

第 1 關：是不是官方支援的運算環境？

截至 2026 年 9 月 12 日，官方 GitHub quick start 列出的路徑是 Linux、Python 3.12、支援 BF16 的 NVIDIA GPU、24 GB VRAM；Hugging Face 的資源頁另建議保留 24 GB 可用主記憶體。先在目標工作站執行：

nvidia-smi
python3.12 --version
free -h
df -h .

安裝 PyTorch 後，再確認 CUDA 與 BF16：

python - <<'PY'
import torch
print(torch.cuda.get_device_name(0))
print("BF16:", torch.cuda.is_bf16_supported())
PY

官方在 RTX 4090 24GB、PyTorch 2.10、Transformers 4.57.6、無量化與預設 YuE2-Vae 下，對 32 個 warm full requests 報告平均 71.04 秒 pipeline time／214.85 秒音訊、峰值 11.18 GiB；時間排除首次 path resolution 與儲存。另一次 maximum-context 測試峰值為 14.08 GiB。這是特定條件的量測，不是較小顯卡一定成功的承諾。

第 2 關：磁碟與第一次下載

模型會在第一次 from_pretrained() 時從 Hugging Face 下載。截至本文快照，YuE2-3B倉庫約 6.79 GiB，預設 YuE2-Vae約 0.49 GiB；虛擬環境、套件、快取與每次生成的 token、latent、FLAC 還會繼續佔空間。先看 df -h .，並把 Hugging Face cache 放在你確定有空間的磁碟。

第 3 關：程式碼與模型權重不是同一張授權

在本文固定的 commit，第一方程式碼、文件與 repository 內的 Agent skill 採 Apache 2.0；YuE2-3B、YuE2-Vae與YuE2-Vae-legacy的 checkpoint 權重則採 CC BY-NC 4.0；若分享這些權重或其修改版，歸屬資訊須標示 YuE2、模型名稱與來源網址。若模型使用或生成工作流主要指向商業利益，現有權重授權不是一張可直接拿來商用的通行證，官方 README 提供 licensing contact。

還有一個容易踩到的版本差：GitHub 的 yue2-v0.1.6發行包早於 main branch 的程式碼重新授權，包內仍附非商用授權；本文因此從固定的後續 main commit 安裝。即使套件版號同為 0.1.6，也要以實際下載物附帶的授權檔為準。

第 4 關：素材權利也要獨立成立

模型授權不會替你取得歌詞、旋律、錄音或聲音肖像的權利。第一輪請用自己寫的短歌詞，讓 YuE2 生成新的旋律；若另外供應 ABC 或來源錄音，再確認你有權使用與改編。做 cover 時，另外保存來源、允許的用途與改編範圍。這不是行政附件，而是決定作品能否交付的輸入條件。

YuE2 本機音樂教學：7 步做出第一組「原版＋改編版」

第 1 步：下載並固定版本

痛點：main branch 仍在更新，今天成功不代表下週得到相同依賴。解法：先鎖定本文查核過的 commit：

git clone https://github.com/multimodal-art-projection/YuE.git
cd YuE
git checkout 88da114a67df892af0329472073b96a5ef700b93
git rev-parse HEAD

最後一行應回傳同一個 40 字元 commit。若你改用更新版本，把新 hash 寫進本次作品的製作記錄，不要只寫「最新版」。

第 2 步：建立乾淨的 Python 環境

python3.12 -m venv .venv
source .venv/bin/activate
python -m pip install --upgrade pip
python -m pip install .

驗收方式：python -m pip show yue2-infer應顯示版本 0.1.6。套件固定了 PyTorch、Transformers、Hugging Face Hub 等依賴版本，先不要為了「看起來更新」逐一升級。

第 3 步：把風格與歌詞寫成一份 request

複製 examples/song.json為 my-song.json，保留段落標籤，讓風格欄負責語言、曲風、主唱特徵、樂器與速度。以下歌詞是本文新寫的最小示意：

{
  "id": "night-window",
  "style": "Mandarin, city pop, warm female vocal, electric piano, synth bass, light drums, 92 BPM",
  "lyrics": "[Verse]\n街燈慢慢退到身後\n晚風把沉默吹走\n\n[Chorus]\n把未完成的夢留在窗口\n天亮以前我們一起唱完這首",
  "cot": "full",
  "seed": 831001
}

驗收方式：先確認 JSON 能讀取：python -m json.tool my-song.json > /dev/null。歌詞改語言或增刪段落時，後面若沿用舊譜，也要重新檢查音節與段落是否仍對得上。

第 4 步：先生成基準版並保留完整 artifacts

python examples/generate.py \
  --request my-song.json \
  --revision 29b3558dd46954a0cd9021dc76d5c91864a0f1c7 \
  --vae-revision 9a94e1d0ea9f8087e98f77fa88df4a4068104d2a \
  --output outputs/night-window-base

第一次執行會下載模型。成功後不要只拿走 audio.flac；save_artifacts()還會保存適用時的 score.abc、plan.json、semantic tokens、latent.npy、有效設定、timings、模型身分與 integrity 記錄。打開 result.json，確認兩個 truncated旗標都不是被截斷的狀態，再進下一步。

上述 model 與 VAE revision 是本文日期核對的 Hugging Face 快照；更新文章時要重新驗證，不能把這兩串 hash 當成永久最新版。

第 5 步：用 60 秒讀懂 ABC 樂譜

例如官方 examples/score.abc的檔頭：M:4/4是拍號、L:1/16是基本音符長度、Q:1/4=88是速度、K:C是 C 大調。V: Vocal與V: Ins分別是歌唱旋律與器樂旋律；引號裡的"C"、"G7"是和弦，後面的E2、G2才是音高與時值。

把它當成「一行一行可做 diff 的樂譜」。先複製，不要覆蓋原檔：

cp outputs/night-window-base/score.abc edited.abc
python skills/yue2-music/scripts/abc_tools.py inspect edited.abc \
  --output edited-inspection.json

第 6 步：只改和弦，先驗證旋律沒被誤傷

初學者最穩的第一刀，是把一個簡單三和弦改成同根音七和弦，例如把某小節的 "C"改成"Cmaj7"，旋律音符與時值全部不動。官方已附一對八小節範例，先用它熟悉檢查器：

python skills/yue2-music/scripts/abc_tools.py compare \
  examples/score.abc examples/score-jazz.abc \
  --output melody-invariants.json
python -m json.tool melody-invariants.json

AlphaLab 在上述固定 commit 以 macOS Python 3 執行這個免 GPU helper，結果為 match: true、differences: []。它只證明 Vocal／Ins 的音高、起音、時值、拍號與速度相同，並刻意允許和弦不同；它不證明新和弦一定好聽，也不證明生成音訊會逐樣本相同。

換成自己的檔案後再跑一次：

python skills/yue2-music/scripts/abc_tools.py compare \
  outputs/night-window-base/score.abc edited.abc \
  --output night-window-invariants.json

第 7 步：用新譜重新渲染，永遠寫進新資料夾

python examples/generate.py \
  --request my-song.json \
  --abc-file edited.abc \
  --cot full \
  --revision 29b3558dd46954a0cd9021dc76d5c91864a0f1c7 \
  --vae-revision 9a94e1d0ea9f8087e98f77fa88df4a4068104d2a \
  --output outputs/night-window-edited

官方範例會拒絕已存在的輸出目錄，因此完成的基準版與改編版不會互相覆寫；但 examples/generate.py不會自動替推論例外保存失敗紀錄，失敗時要另存終端 log，或改用會寫入 failure.json的 yue2 generate CLI。完成後用官方 listening helper 建立本機比較頁：

python skills/yue2-music/scripts/listen.py \
  outputs/night-window-base \
  outputs/night-window-edited \
  --output outputs/night-window-comparison

full、melody、off 怎麼選？不要把三種模式混成一個問題

• 選 full：你要創作新歌、保留旋律與和弦，或比較「只改和聲」前後差異。
• 選 melody：你做 cover 或跨曲風改編，希望固定旋律、讓伴奏重新發展。官方提醒，模式本身不會自動刪掉 ABC 裡的和弦；要自由配器，輸入譜也要先移除和弦。
• 選 off：你要用官方「不經 symbolic plan」的模式建立一句 Prompt 直接出歌的對照組。

要做同題 A/B，可讓 request 裡的歌詞、風格與 seed 完全相同，只用命令列覆寫模式：

python examples/generate.py --request my-song.json \
  --cot full \
  --revision 29b3558dd46954a0cd9021dc76d5c91864a0f1c7 \
  --vae-revision 9a94e1d0ea9f8087e98f77fa88df4a4068104d2a \
  --output outputs/ab-full
python examples/generate.py --request my-song.json \
  --cot off \
  --revision 29b3558dd46954a0cd9021dc76d5c91864a0f1c7 \
  --vae-revision 9a94e1d0ea9f8087e98f77fa88df4a4068104d2a \
  --output outputs/ab-off

怎麼做盲聽 A/B？先定評分表，再播放

不要先看哪個是full。請另一位測試者把兩個 audio.flac隨機標成 A／B，評完才揭曉。每項用 1～5 分，並寫一句可定位到時間點的理由：

1. 結構一致性：Verse／Chorus 是否在預期位置，段落是否完整，結尾是否合理收束。
2. 人聲瑕疵：是否有漏字、重複字、不自然拉音、突然換聲線；把問題標成 01:24這種時間碼。
3. 編曲可編輯性：被指定修改的和弦是否聽得到；要求保留的旋律、速度與段落是否仍可辨認。
4. 生成成本：從每個輸出資料夾 result.json的timing欄位記錄總時間，並記 GPU、VRAM、commit、模型與 VAE revision。

同一 seed 只是縮小變因，不保證跨 GPU、套件版本或抽樣設定得到同一 waveform。真正公平的比較是：固定能固定的條件、保留所有候選、先寫評分規則，再決定你偏好哪一版。

官方 benchmark 怎麼看？「分數領先」不等於每首都贏

2026 年 9 月 12 日的官方 WildSongBench 記錄涵蓋 192 個 prompts、17 組系統設定，表格列出 9 個自動評估欄位；其中包含總平均與其 Musicality 子項，不能視為 9 個彼此獨立的測量。YuE2 best-of-8 的 SongBench Avg 是 6.9632，為表中最高觀察平均；標準 YuE2 是 6.7316。標準版從兩個候選選較低 PER；best-of-8 先看 SongBench Musicality、再看 prompt control、最後看 PER，從八個候選選擇。其他 baseline 也保留不同候選與交付協議，因此這是官方記錄的系統比較，不是 matched-compute 實驗。

不同模型也在不同指標領先，官方文件明說小幅平均差距不構成統計顯著性證明，更不等於普遍的人類偏好。把 benchmark 當成「值得下載試做」的訊號即可；你的歌仍要回到上一節的盲聽、歌詞完整性與改譜後是否真的聽得出來。

可編輯性也有一組較直接、但仍屬官方的有限證據：一項涵蓋 10 首作品、2 個 seeds、380 首完整錄音的 paired study 中，local changed-note melody attainment 從 0.0083 升至 0.9375；changed-duration harmony attainment 從 0 升至 0.8313。兩者單位不同、不能合併成一個分數，文件也沒有把差距表述為統計顯著性。這支持「樂譜可提供選擇性控制」，不支持「未修改區域的 waveform 完全不變」。

新手容易踩的 6 個坑

1. 把 GitHub main、release wheel 與 Hugging Face 卡片混用：本文固定 commit 與 0.1.6原始碼；若改來源，連模型與 VAE revision 一起記錄。
2. 只備份 FLAC：沒有 ABC、request、tokens、latents、timings 與 model identity，就很難知道下一版到底改了什麼。
3. 在原檔上直接改：保留原始 score.abc，每次另存 edited-v2.abc，用 diff 與 helper 確認不該動的部分。
4. 看到 match:true就宣布成功：這只驗證 symbolic invariants；和弦是否自然、人聲有沒有漏字，仍要聽完整音訊。
5. 拿不同 decoder 的結果比模型：日常聆聽預設是 YuE2-Vae；官方 benchmark 用 YuE2-Vae-legacy。比較 decoder 時應重解碼同一份 latent。
6. 忽略 NC 授權：把程式碼可商用，誤推成 checkpoint 與商業歌曲都已獲同樣授權，會漏掉最關鍵的交付條件。

YuE2 常見問題 FAQ

YuE2 是免費的嗎？

截至本文快照，官方 GitHub 原始碼可公開存取，三個 Hugging Face 模型頁也顯示為 public／ungated。本機執行仍需自付 GPU、電力、儲存與運算成本，且權重受 CC BY-NC 4.0 約束。

Mac 可以照這篇生成完整歌曲嗎？

本文不把 Mac 列為已驗證的完整生成路徑。目前官方文件描述的是 Linux＋支援 BF16 的 NVIDIA GPU；Mac 可先閱讀、修改 ABC，並執行本文的純 Python helper。

一定要 24 GB VRAM 嗎？

官方支援起點就是 24 GB GPU。雖然官方特定測試的峰值低於 24 GiB，這不等於每個長度、driver、依賴與顯卡組合都能用更小 VRAM 完成；新手應以文件化配置規劃。

ABC 跟 MIDI 一樣嗎？

不一樣。ABC 是可讀、可 diff 的文字記譜；MIDI 是事件資料格式。YuE2 的主要編輯介面是 score.abc，需要五線譜或其他交換格式時，可用相容工具另行渲染或轉換。

可以只換和弦、不換主旋律嗎？

可以在 symbolic score 層指定這樣做。先只改引號內的和弦，再用 abc_tools.py compare檢查旋律與節奏不變；最後仍要聽音訊，因為 symbolic match 不保證生成表演完全一致。

可以拿自己的歌做 cover 嗎？

可以走官方 SheetSage2 → melody ABC → cot="melody"流程。先檢查轉錄錯誤與歌詞段落；如果希望伴奏自由改編，輸入的 melody ABC 不要殘留原和弦。

改譜後會保留原本聲線嗎？

不保證。官方 editing guide 明確指出，每次修改都會重新生成完整錄音；即使未改的譜面相同，也不保證歌唱、音色或 waveform 相同。

生成的歌曲可以直接商用嗎？

不能只憑「開放權重」三個字下結論。MODEL_LICENSE明文規範的是三個 checkpoint 權重；截至 2026 年 9 月 12 日，本文查核的 README、MODEL_LICENSE 與模型卡沒有另給「生成歌曲」一張獨立商用許可。若模型使用或生成工作流主要指向商業利益，不應把 Apache 2.0 的原始碼授權推及權重或輸出，應先向官方確認或取得適用安排；歌詞、旋律、來源錄音等權利仍須另行成立。

給新手的 7 個重點

1. 先過 Linux、NVIDIA BF16、24 GB VRAM、主記憶體與磁碟檢查。
2. 固定 Git commit、模型 revision、VAE revision 與 seed。
3. 用自有短歌詞，從 cot="full"建立第一份可編輯 score。
4. 把 ABC 當工程檔：原版不覆蓋，每次修改都另存。
5. 先跑 symbolic compare，再花 GPU 時間重新生成。
6. 盲聽要先寫評分規則，並保留失敗與被截斷的版本。
7. 程式碼 Apache 2.0 不等於權重可商用；交付前分開查授權。