模型發布
音樂生成模型 YuE2 發布：SongBench 評測超越 Suno v6，支援 48 kHz 立體聲輸出
Hacker News單一來源
尚未逐項核實
目前依單一來源整理，這是來源數量描述，不是對消息真假的判定。
據報導，全新音樂生成模型 YuE2 發布，採用旋律與和弦符號規劃（symbolic planning）。在 WildSongBench 的 SongBench 評測中，YuE2（best-of-8 設定）獲得 6.9632 分，超越 Suno v5（6.8721）、Suno v6（6.5562）及 Suno v6 Wild（6.4195）。官方 Hugging Face 頁面補充顯示，YuE2 包含 YuE2-Vae 模型，可將聲學潛在特徵轉換為 48 kHz 的立體聲音樂。
團隊同步推出具備 6.32 億參數的音樂表徵模型 MERT2，分為 30 秒上下文的 MERT2-30s 與 300 秒全曲上下文的 MERT2-FS，在 15 項 MARBLE 基準測試中取得 14 項 SOTA（涵蓋標籤、調性、曲風與情緒辨識）。此外，單一轉錄模型 SheetSage2 可同時處理節拍、重拍、調性、和弦、結構與旋律等 6 項任務，並在 13 項基準指標中取得 10 項 SOTA。
模型主要使用 CC0 與 Tokenwave.AI 授權的合成資料訓練，MERT2、YuE2 與 SheetSage2 的訓練資料量分別達 70 萬、34.6 萬與 2.84 萬小時。
讀原始報導背景
YuE2 是由 multimodal-art-projection 開發的音樂生成模型，主打具備符號規劃（symbolic planning）、零樣本翻唱與代理式音樂編輯等功能。其架構中的 YuE2-Vae 模型，能將聲學潛在特徵轉換為 48 kHz 的立體聲音樂。
社群討論
社群對 YuE2 評價兩極，部分人讚賞它是少見支援樂譜與 ABC notation 的開源權重符號生成器，方便製作翻唱與變奏，有網友實測在 Mac M1 上 15 分鐘即可產出結果。然而，多數人批評其產出缺乏靈魂且流於俗套（雖比 Minimax Music 3 乾淨），主因是受限於 CC0 免版稅訓練資料，且人聲表現不如每月 24-30 美元的 Suno。核心分歧在於，反對者擔憂黑箱式生成會貶低人類創作意義，而支持者則期望 AI 能成為融入 DAW 的代理式輔助工具，保留創作者的品味與控制權。