YuE
歌词换整曲，能在本地跑，显存与许可是两道门。
模型档案开源权重歌词生歌本地部署
模型档案
- 厂商
- YuE 项目（M-A-P / 中国香港科技大学）
- 形态
- 本地模型
- 输入
- 歌词 · 文本
- 输出
- 音频
- 条款
- 代码多为 Apache 2.0，权重按版本另标；较新权重默认非商用、个人创作者另有豁免，商用前读仓库许可
- 核对日
- 2026-10-31
相关
先算显存，再谈创作
YuE 是少数能把整首歌唱完的开放权重模型：给歌词和风格，它直接出人声加伴奏，长度到几分钟。它不适合当网页工具用，装好环境、下载权重、备一张够大的显卡，才算进场。官方与打包环境常给 24GB 显存的建议；量化版和社区推理栈能压到 8–12GB，代价是速度与稳定性。先确认这一步，再谈歌好不好听。
歌词怎么进去
输入是分行写的歌词，加上风格描述；主歌、副歌、桥段这类段标记可以写在歌词里。输出是混好的立体声，有的推理脚本会把伴奏与人声分别写出。它不提供“一句提示马上出歌”的即时反馈：一首三分钟的歌，在消费级显卡上通常要几十秒到几分钟，试错成本按分钟算。较新的版本会先把旋律与和弦落成可读的谱面，再渲染音频，改起来比纯黑箱方便。
长曲的连贯性是卖点
多数开源模型只能做几十秒的片段，YuE 的价值在整曲：主歌到副歌的抬升、桥段后的回归、尾奏的收束，能在同一次生成里完成。中文歌是它的强项之一，五声调式、字少腔长的句子，比英文快嘴更容易站住。做方言或古风 demo 时，它能给出一版结构完整的参照，再拿去做编曲或找人重唱。
三道坎：显存、咬字、重复
- 显存与速度：24GB 是舒服的线，低于 12GB 要靠量化，长歌容易中途崩。
- 咬字：中文声调在快句、叠字和高音区容易糊，逐句对歌词听，别只看波形。
- 重复：三分钟以后常回到前面的旋律与配器，第二次副歌最明显。
- 分轨：若用分别写出人声与伴奏的脚本，人声轨常带混响与残渣，重混前要修。
先拿一首短歌试，别一上来就做五分钟。
许可分层与替代
许可要分三层看：代码、权重、随附模型。早期版本以 Apache 2.0 放出，较新的权重默认非商用，个人创作者有豁免，公司商用要单独授权；具体以仓库里的许可文件为准。替代：要网页即开即用，换 Suno 或 MiniMax Music；要更快的本地整曲，换 DiffRhythm；要符号级可控，换 Magenta。三者都可能牺牲中文咬字或整曲连贯，按任务取舍。
在库中听例子
Home, Sweet Home六十三秒的分节歌《Home, Sweet Home》，主歌反复，适合看长曲的段落回归（C1）详情Chinese Melody十八秒的中国旋律，短而完整，适合看极短素材的收束（C1）详情Sally in Our Alley四十四秒的分节歌，看主歌反复时旋律怎么变（C1）详情Abide with Me (Chinese Simplified)中文歌词的短赞美诗，看声调与旋律的配合（C1）详情
每首均来自 midicn-lib，行内徽标为许可档位（C1 可商用 / C2 非商业 / C3 仅学习研究）。
同一条线
事实来源
- YuE 项目仓库与模型卡（M-A-P / 中国香港科技大学）关于输入形式、显存建议与权重许可的说明。
- YuE 技术报告对长曲生成与歌词对齐的公开描述。
- 公开用户报告中的显存、速度与咬字问题，只取现象，不引用具体评测分数。