O Centro de Pesquisa e Desenvolvimento de Inteligência Artificial Gerativa em Hong Kong (HKGAI) anunciou em 18 de setembro de 2026 o lançamento do modelo de música aberto YuE2. A equipe afirma que é o primeiro modelo de música aberto no mundo a unificar a criação, regravação e edição por meio de "planejamento simbólico"; no mesmo dia, o modelo ocupou a 4ª posição no ranking global de tendências do Hugging Face (Trending Score 595), sendo o único modelo de música na lista dos cinco primeiros. Em 9 dias após o lançamento, o modelo principal da instituição registrou 11.626 downloads; incluindo os pacotes ComfyUI, versões GGUF/quantizadas e ferramentas da comunidade, a ecossistema acumulou aproximadamente 179.000 downloads.
HKGAI foi fundado em outubro de 2023, financiado pelo plataforma AIR@InnoHK que se especializa em tecnologia de inteligência artificial e robótica e liderado pela Universidade de Ciência e Tecnologia de Hong Kong, desenvolvendo tecnologias em áreas como linguagem, visão e áudio. YuE2 é considerado uma importante marca na geração de áudio pelo centro; o comunicado também comparou o modelo aberto à "momento DeepSeek da indústria musical", simbolizando a tendência de modelos abertos igualar ou superar sistemas comerciais fechados.
WildSongBench: best-of-8 compara com várias modelos comerciais
A base de avaliação WildSongBench realizou avaliação automática com 192 conjuntos de prompts (12 de setembro de 2026). A tabela mostra que YuE2 (best-of-8) teve uma média SongBench Avg de 6.9632, temporariamente em primeiro lugar; o desempenho individual de YuE2 foi de 6.7316. Em comparação com Mureka 9 (6.9377), Suno v5 (6.8721), Suno v5.5 (6.7150), Sun0 v6 (6.5562), e YuE 1 (4.9165), outros indicadores não foram todos dominantes: por exemplo, Suno v5 teve a maior pontuação em MuLan (0.5428), LeVo 2 teve a maior pontuação em AudioBox PQ (8.3966), e Suno v4.5 teve a menor pontuação em PER (5.80%).
| Sistema | 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% |
Controle em caixa branca: planejamento de símbolos e renderização acústica separados
O YuE2 separa o "planejamento simbólico (symbolic planning)" e "renderização acústica (acoustic rendering)" para aumentar a controlabilidade com a arquitetura de especialistas misturados (MoE): os especialistas AR preveem, de forma autoregressiva com atenção causal, a partitura ABC e a estrutura semântica; os especialistas NAR prevêem o latent acústico com matching de fluxo; depois, o VAE decodifica para saída estéreo de 48 kHz. Diferente da abordagem de "prompt e áudio imediatamente", os criadores podem intervir em cada etapa — por exemplo, ajustar um único acorde sem ter que recriar toda a música, ou transformar o estilo mantendo a melodia original.
A demonstração oficial usa a canção popular em mandarim "Último ônibus" para nove rodadas de edição conversacional, incluindo regravação de acordes, adaptação da melodia, incorporação da melodia de "Estrela da Manhã", desenvolvimento de variações e reescrita das letras, transformando-a em uma arranjo completa de jazz em inglês; cada etapa pode ser verificada com a partitura e o áudio, em vez de uma geração aleatória nova e não relacionada.
Seis idiomas, sessenta estilos, ecossistema aberto local
No que diz respeito às capacidades, o YuE2 suporta seis idiomas: chinês, inglês, japonês, coreano, russo e espanhol, abrangendo mais de 60 estilos (incluindo City Pop, heavy metal, jazz e fado). Os pesos são abertos e disponíveis para download gratuitamente (apenas para uso não comercial), podendo ser executados em uma única placa de vídeo local; para uso comercial, é necessário contactar a equipe. A equipe também abriu fontes para ferramentas de transcrição de partitura, modelos de compreensão musical e benchmarks de avaliação, unindo a cadeia de ferramentas "transcrição — criação — edição — avaliação". O portal do projeto: GitHub multimodal-art-projection/YuE.
- Pesos abertos (não comercial) + pode rodar em uma placa de vídeo local
- Processo de planejamento simbólico unificado para criação, regravação e edição
- Ferramentas de transcrição, modelos de compreensão e benchmarks de avaliação abertos simultaneamente
TechRitual 企業科技編輯部（香港）。biz.techritual.com 的外語版本由繁體中文原文翻譯。
