Suno最强开源对手来了：4090一分钟出歌，把AI音乐从抽卡变成可编辑工程

YuE2的发布方包括香港科技大学、M-A-P、NOIZ AI、斯坦福等机构，模型已开源并开放下载。按来源描述，它把开源音乐生成的质量推到与前沿闭源模型正面竞争的位置——这是发布方的定位，而非独立第三方结论。

支撑这一定位的是WildSongBench上的192个prompts评测：YuE2的SongBench平均分6.7316，逼近Suno v5的6.8721和Mureka 9的6.9377，同时超过Suno最新一代闭源模型v6的6.5562及v6 Wild的6.4195。在八选一设置下，YuE2得分提升至6.9632，为17组参评系统中的最高分。这些数字来自团队投稿，属于来源方评测结果，尚无独立复现信息。

YuE2试图解决的不只是生成质量，而是AI音乐长期被诟病的一次性抽卡问题。它的核心机制是symbolic planning：在生成音频之前，模型先规划一份包含人声旋律、器乐旋律、和弦和段落结构的双轨曲稿，并以ABC文本记谱形式保存，再据此生成最终声音。

这一机制让旋律与和声不再是黑盒结果，而可以被定位和修改，从而支持Agentic Music Editing。来源给出的例子是：用户可以用自然语言要求保留副歌人声旋律、插入一段《小星星》萨克斯solo并让和声更现代；接入YuE2的Agent会读取原曲旋律与和弦，结合乐理提出修改方案，定位并改写对应和弦或音符，再调用YuE2生成新版本。对专业音乐人，同一机制也允许只改一个和弦（例如改为减七和弦）而尽量保留未修改的旋律与和声。

编辑能力的实验数据是：对完整作品中的旋律与和弦进行定向修改后，目标音高匹配率由0.83%提升至93.75%，目标和弦一致率由0提升至83.13%；未修改部分的旋律和和弦相似度分别保持在0.96和0.93以上。这些是团队实验中的指标，说明改动能进入声音且其余部分得到较好保留，但仍属来源方自评。