أعلن مركز هونغ كونغ للبحث والتطوير في الذكاء الاصطناعي التوليدي (HKGAI) في 18 سبتمبر 2026 عن إطلاق نموذج الموسيقى الكبير المفتوح المصدر YuE2. وأشار الفريق إلى أنه أول نموذج موسيقي كبير مفتوح المصدر في العالم يوحّد بين التأليف والغناء Cover والتحرير عبر "التخطيط الرمزي"؛ وفي اليوم نفسه، حلّ رابعًا على مستوى موقع Hugging Face في قائمة Trending (Trending Score 595)، ليكون النموذج الموسيقي الوحيد ضمن الخمسة الأوائل. وخلال 9 أيام من الإطلاق، سجّل النموذج الرئيسي الرسمي 11,626 عملية تنزيل؛ وبإضافة حزم ComfyUI وإصدارات المجتمع بصيغة GGUF/المكمّمة وسلاسل الأدوات، بلغ إجمالي التنزيلات في المنظومة نحو 179 ألفًا.
تأسّس HKGAI في أكتوبر 2023، بتمويل من منصة AIR@InnoHK المتخصصة في الذكاء الاصطناعي والروبوتات، وبقيادة جامعة هونغ كونغ للعلوم والتكنولوجيا (HKUST)، ويشمل بحثه مجالات اللغة والرؤية والصوت. ويُعدّ YuE2 إنجازًا بارزًا للمركز في توليد الصوت؛ ووصف البيان الرسمي الموجّه للصحافة هذا الإطلاق بأنه "لحظة DeepSeek في عالم الموسيقى"، في إشارة إلى لحاق النماذج المفتوحة المصدر بالنماذج التجارية المغلقة وتفوّقها عليها أحيانًا.
WildSongBench: الدرجة الإجمالية لـ best-of-8 تتفوق على عدة نماذج تجارية
أجرى معيار التقييم WildSongBench تقييمًا آليًا باستخدام 192 مجموعة من المطالبات (12 سبتمبر 2026). وتظهر الجداول أن YuE2 (best-of-8) سجّل متوسط SongBench بلغ 6.9632 ليتصدّر الترتيب مؤقتًا؛ بينما سجّل YuE2 منفردة 6.7316. وشملت المقارنات Mureka 9 (6.9377)، وSuno v5 (6.8721)، وSuno v5.5 (6.7150)، وSuno v6 (6.5562)، فيما سجّل الإصدار السابق YuE 1 نحو 4.9165. ولم تكن YuE2 متصدّرة في كل المؤشرات: إذ سجّلت Suno v5 أعلى قيمة في MuLan (0.5428)، وسجّلت LeVo 2 أعلى قيمة في AudioBox PQ (8.3966)، وبلغت Suno v4.5 أدنى قيمة في PER (5.80%).
| النظام | SongBench Avg ↑ | AudioBox PQ ↑ | MuLan ↑ | PER ↓ |
|---|---|---|---|---|
| YuE2 (best-of-8) | 6.9632 | 8.2714 | 0.5051 | 9.79% |
| Mureka 9 | 6.9377 | 8.0226 | 0.4394 | 11.69% |
| Suno v5 | 6.8721 | 8.1698 | 0.5428 | 8.10% |
| YuE2 | 6.7316 | 8.2598 | 0.5068 | 8.44% |
| Suno v6 | 6.5562 | 8.1296 | 0.4916 | 7.58% |
| YuE 1 | 4.9165 | 7.8683 | 0.2623 | 36.38% |
قابلية التحكم بنظام White-box: فصل التخطيط الرمزي عن العرض الصوتي
يفصل YuE2 بين "التخطيط الرمزي (symbolic planning)" و"العرض الصوتي (acoustic rendering)"، ويعزز قابلية التحكم من خلال تصميم يعتمد على مزيج الخبراء (MoE): إذ يتولّى خبير AR التنبؤ الذاتي الارتدادي عبر انتباه سببي للنوتة الموسيقية بصيغة ABC والهيكل الدلالي؛ بينما يتولّى خبير NAR التنبؤ عبر flow matching للتمثيل الصوتي الكامن؛ ثم يقوم VAE بفك التشفير لإخراج صوت ستيريو بمعدل 48 kHz. وبخلاف أسلوب الصندوق الأسود الذي يُدخل فيه المقطع النصي فيُنتج الصوت مباشرةً، يستطيع المؤلف التدخّل في كل خطوة، مثل ضبط نوتة واحدة دون الحاجة لإعادة توليد الأغنية كاملةً، أو تغيير الأسلوب مع الحفاظ على اللحن الأصلي.
قدّم العرض الرسمي للأغنية الشعبية بالماندرين «末班車» (آخر قطار) كنموذج لتسع جولات تحرير تفاعلية، شملت إعادة التناغم، وإعادة الترتيب، ودمج لحن «Twinkle Twinkle Little Star»، وتطوير التنويعات، وإعادة كتابة الكلمات، لتتحوّل في النهاية إلى ترتيب جاز باللغة الإنجليزية ذي بنية متكاملة؛ وتتوافق كل خطوة مع نوتة صوتية وملف صوتي يمكن التحقق منهما، بدلاً من توليد عشوائي منفصل جديد.
ست لغات وستون نوعًا موسيقيًا ومنظومة محلية مفتوحة المصدر
على صعيد القدرات، يدعم YuE2 ست لغات تشمل الصينية والإنجليزية واليابانية والكورية والروسية والإسبانية، ويغطي أكثر من 60 نوعًا موسيقيًا (بما في ذلك City Pop، والميتال الثقيل، والجاز، والفلامنكو). وتُتاح الأوزان مفتوحة المصدر للتنزيل المجاني (للاستخدام غير التجاري فقط)، ويمكن تشغيله محليًا على بطاقة استهلاكية واحدة؛ أما الترخيص التجاري فيتطلّب التواصل المباشر مع الفريق. وأتاح الفريق بالتزامن أدوات التحويل إلى النوتة الموسيقية، ونماذج فهم الموسيقى، ومعيار التقييم، ليربط بين سلسلة أدوات «التحويل إلى النوتة – التأليف – التحرير – التقييم». مدخل المشروع: GitHub multimodal-art-projection/YuE.
- أوزان مفتوحة المصدر (غير تجارية) + قابل للتشغيل محليًا على بطاقة واحدة
- توحيد التأليف/الغناء Cover/التحرير ضمن مسار التخطيط الرمزي
- إتاحة مفتوحة المصدر بالتزامن لأداة التحويل إلى النوتة، ونماذج الفهم، ومعيار التقييم