HKGAI Luncurkan YuE2｜Model Musik Open Source WildSongBench Kalahkan Suno

Hong Kong Generative AI Research and Development Center (HKGAI) pada 18 September 2026 mengumumkan peluncuran model besar musik open source YuE2. Tim menyebutnya sebagai model besar musik open source pertama di dunia yang menyatukan komposisi, cover, dan pengeditan melalui "symbolic planning"; di hari yang sama, model ini menempati peringkat 4 Trending seluruh situs Hugging Face (Trending Score 595), satu-satunya model musik di lima besar. Dalam 9 hari sejak peluncuran, model utama resmi tercatat 11.626 unduhan;加上包裝 ComfyUI、versi GGUF／kuantisasi komunitas, serta rantai alat, ekosistem mencatat total sekitar 179.000 unduhan.

HKGAI didirikan pada Oktober 2023, didanai oleh platform AIR@InnoHK yang berfokus pada kecerdasan buatan dan robotika, serta dipimpin oleh Hong Kong University of Science and Technology, dengan riset yang mencakup bahasa, penglihatan, dan audio. YuE2 dipandang sebagai tonggak penting pusat tersebut dalam generasi audio; rilis pers juga menyamakan momen ini dengan "momen DeepSeek di dunia musik", merujuk pada tren model open source yang menyamai甚至 melampaui sebagian sistem proprietary komersial.

WildSongBench: Skor Komposit best-of-8 Ungguli Sejumlah Model Komersial

Benchmark WildSongBench melakukan evaluasi otomatis terhadap 192 prompt (12 September 2026). Tabel menunjukkan YuE2 (best-of-8) meraih SongBench Avg sebesar 6.9632, untuk sementara menempati puncak; skor YuE2 single-pass tercatat 6.7316. Pembandingingan meliputi Mureka 9 (6.9377), Suno v5 (6.8721), Suno v5.5 (6.7150), Suno v6 (6.5562), sedangkan generasi sebelumnya YuE 1 meraih 4.9165. Pada metrik lain, hasilnya tidak selalu menjadi yang tertinggi: misalnya Suno v5 mencatat MuLan tertinggi (0.5428), LeVo 2 mencatat AudioBox PQ tertinggi (8.3966), dan Suno v4.5 memiliki PER terendah (5.80%).

Kontrol White-box: Symbolic Planning dan Acoustic Rendering Dipisahkan

YuE2 memisahkan "symbolic planning" dan "acoustic rendering", serta menggunakan arsitektur Mixture of Experts (MoE) untuk meningkatkan kontrolabilitas: pakar AR memprediksi partitur ABC dan kerangka semantik secara autoregresif dengan causal attention; pakar NAR memprediksi latent akustik melalui flow matching; kemudian VAE mendekode hasilnya menjadi stereo 48 kHz. Berbeda dengan sampling black-box "masukkan prompt, keluarkan audio", kreator dapat介入 pada setiap tahap—misalnya menyetel satu nada tanpa harus membuat ulang seluruh lagu, atau mengubah gaya sambil mempertahankan melodi asli.

Demo resmi menggunakan lagu pop Mandarin《末班車》sebagai contoh pengeditan dialogis sembilan putaran, termasuk menulis ulang harmoni, mengaransemen ulang, memasukkan melodi《小星星》, mengembangkan variasi, serta menulis ulang lirik, hingga akhirnya menjadi aransemen jazz berbahasa Inggris yang utuh secara struktur; setiap langkah memiliki partitur dan audio yang dapat diverifikasi, bukan sekadar generasi acak lain yang tidak saling terkait.

Enam Bahasa, Enam Puluhan Genre, Ekosistem Open Source Lokal

Dari segi kemampuan, YuE2 mendukung enam bahasa termasuk Tionghoa, Inggris, Jepang, Korea, Rusia, dan Spanyol, mencakup lebih dari 60 genre (termasuk City Pop, heavy metal, jazz, flamenco, dan lain-lain). Bobot tersedia untuk diunduh secara gratis dan open source (hanya untuk penggunaan non-komersial), dan dapat dijalankan secara lokal pada satu kartu grafis kelas konsumen; lisensi komersial，需另行洽谈。 Tim secara bersamaan merilis open source untuk alat transkripsi partitur, model pemutaran musik, dan benchmark, sehingga membentuk rantai alat "transkripsi partitur—kreasi—pengeditan—evaluasi". Entri proyek: GitHub multimodal-art-projection/YuE.

• Bobot open source (non-komersial) + dapat dijalankan pada satu kartu grafis lokal
• Kreasi／cover／pengeditan disatukan dalam alur symbolic planning
• Alat transkripsi partitur, model pemahaman, dan benchmark dirilis bersamaan secara open source