香港生成式人工智能研發中心（HKGAI）は2026年9月18日に、オープンソースの音楽大規模モデルYuE2を発表した。チームはこれを、創作・カバー・編集を「シンボリック・プランニング」で統一した世界初のオープンソース音楽大規模モデルと位置付け、同日にはHugging Faceのサイト全体Trendingで4位（Trending Score 595）にランクイン、上位5位で唯一の音楽系モデルとなった。公開から9日で、公式のメインモデルは11,626回のダウンロードを記録。ComfyUIパッケージ、コミュニティのGGUF／量子化バージョン、ツールチェーンを合わせると、エコシステム全体の累計ダウンロード数は約17.9万回に上る。
HKGAIは2023年10月に設立され、人工知能・ロボット技術に特化したAIR@InnoHKプラットフォームの助成を受け、香港科技大学が主導する形で、言語・視覚・オーディオなど幅広い分野の研究開発を行っている。YuE2は同センターがオーディオ生成分野で迎えた重要なマイルストーンと位置付けられ、プレスリリースでは「音楽界のDeepSeekモーメント」と表現し、オープンソースモデルが一部の商用クローズドソースシステムに追いつき、場合によっては追い越す流れを示している。
WildSongBench：best-of-8の総合スコアで複数の商用モデルを凌駕
評価ベンチマーク「WildSongBench」では、192組のプロンプトを用いた自動評価が行われた（2026年9月12日）。表によれば、YuE2（best-of-8）のSongBench Avgは6.9632で首位に立っている。単発のYuE2は6.7316だった。比較対象にはMureka 9（6.9377）、Suno v5（6.8721）、Suno v5.5（6.7150）、Suno v6（6.5562）が含まれ、前世代のYuE 1は4.9165となっている。その他の指標では一様に首位ではなく、例えばMuLanはSuno v5が最高（0.5428）、AudioBox PQはLeVo 2が最高（8.3966）、PERはSuno v4.5が最低（5.80%）となっている。
| システム | 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% |
ホワイトボックス制御：シンボリック・プランニングと音響レンダリングを分離
YuE2は「シンボリック・プランニング（symbolic planning）」と「音響レンダリング（acoustic rendering）」を分離し、混合エキスパート（MoE）構成によって制御性を高めている。ARエキスパートは因果的注意機構による自己回帰でABC楽譜と意味的骨格を予測し、NARエキスパートはフローマッチングで音響潜在表現を予測する。その後、VAEでデコードし48 kHzステレオ音声を出力する。「プロンプトを入れたら音声が出る」というブラックボックス型のサンプリングと異なり、クリエイターは各ステップに介入できる。例えば1つの音符だけを微調整して楽曲全体を再生成し直す必要がなく、スタイルを変えつつ原旋律を保持することも可能となっている。
公式デモでは、北京語ポップス《末班車》を対象に9回にわたる対話型編集が行われた。和声の再構成、編曲の変更、《きらきら星》の旋律の取り込み、変奏展開、歌詞の書き換えを経て、最終的に構造の整った英語のジャズ・アレンジに変換している。各ステップは楽譜と音声で確認できるものであり、無関係なランダム生成の繰り返しとはならない。
6言語、60ジャンル、ローカルのオープンソースエコシステム
機能面では、YuE2は中・英・日・韓・露・スペインの6言語に対応し、City Pop、ヘビーメタル、ジャズ、フラメンコなど60以上のジャンルをカバーする。ウェイトはオープンソースで無料ダウンロードが可能（ノンコマーシャル用途限定）で、コンシューマー向けシングルGPUでローカル実行できる。商用ライセンスは別途交渉が必要。チームは楽譜変換ツール、音楽理解モデル、評価ベンチマークも同時にオープンソース化し、「楽譜変換―創作―編集―評価」というツールチェーンを結び付けている。プロジェクトページ：GitHub multimodal-art-projection/YuE。
- オープンソースウェイト（ノンコマーシャル）＋ローカル単一GPUで実行可能
- 創作／カバー／編集をシンボリック・プランニングのフローに統合
- 楽譜変換・理解モデル・評価ベンチマークを同時にオープンソース化