「YuE2-3B」歌詞とスタイルから楽曲を作る音楽生成モデル：必要VRAM 12GB〜・配布ファイル一覧
作例は配布元のモデルカードで公開されています。
基本情報
| 項目 | 内容 |
|---|---|
| リポジトリ | m-a-p/YuE2-3B |
| まとめページ | YuE2 のまとめ(記事3本) |
| 公開元のまとめ | M-A-P のモデルとライセンスのまとめ |
| 公開日 | 2026-09-10 |
| ライセンス | cc-by-nc-4.0 |
| 配布形式 | safetensors |
| 論文 | arXiv:2503.08638 |
| 出典の種類 | 公開元の一次情報(公式HFリポジトリで確認可能) |
情報を集めた時点で、当サイトのコードが確定させた値です。日付はJSTで表示しています。
概要
m-a-pは、歌詞とスタイルプロンプトからボーカルと伴奏付きの完全な楽曲を生成するオープンな音楽生成モデル「YuE2-3B」を公開しました。AR-NAR Mixture-of-Transformersバックボーンでスコアとセマンティックトークンを記述し、フローマッチングを介して音響的潜在表現を生成、VAEによってステレオ音声へと変換する仕組みを採用しています。
スペック
- アーキテクチャ: AR-NAR Mixture-of-Transformers (YuE2ForCausalLM)
- 出力の仕様: 48 kHz ステレオ音声
- 対応言語: 中国語 (zh)、英語 (en)
- ライセンス: cc-by-nc-4.0 (商用利用不可)
- パラメータ数: 3.6B
性能・品質
モデルカードでは、WildSongBenchおよびSHS100Kにおける評価結果が公表されています。
→ 横にスクロールできます
| Model | Musicality ↑ | SongBench Avg ↑ | MuLan ↑ | AllMusicCaps ↑ | Q3O ↑ | PER ↓ |
|---|---|---|---|---|---|---|
| YuE 1 | 4.0847 | 4.9165 | 0.2623 | 0.2882 | 3.7301 | 36.38% |
| SongBloom | 3.4493 | 4.2350 | 0.2697 | 0.1926 | 3.0287 | 19.19% |
| LeVo 2 | 5.4590 | 6.3247 | 0.3542 | 0.2680 | 3.9458 | 26.12% |
| ACE-Step 1.5 | 5.1588 | 6.0118 | 0.4372 | 0.3869 | 4.5809 | 7.46% |
| HeartMuLa | 5.4963 | 6.2483 | 0.3823 | 0.2786 | 3.4907 | 10.71% |
| DiffRhythm 2 | 4.4775 | 5.2428 | 0.3782 | 0.3255 | 4.0870 | 18.41% |
| Muse | 5.1692 | 6.0349 | 0.3937 | 0.3466 | 4.4038 | 33.42% |
| MiniMax Music 3 | 5.3482 | 6.2830 | 0.3928 | 0.3609 | 4.4362 | 6.27% |
| YuE2 | 5.9075 | 6.7316 | 0.5068 | 0.4054 | 4.6819 | 8.44% |
| YuE2 (best-of-8) | 6.2666 | 6.9632 | 0.5051 | 0.3980 | 4.7009 | 9.79% |
→ 横にスクロールできます
| Model | Musicality ↑ | SongBench Avg ↑ | MuLan ↑ | AllMusicCaps ↑ | Q3O ↑ | PER ↓ |
|---|---|---|---|---|---|---|
| Suno v5 | 5.9918 | 6.8721 | 0.5428 | 0.4353 | 4.5907 | 8.10% |
| Suno v4.5 | 5.8317 | 6.6995 | 0.5022 | 0.3873 | 4.4149 | 5.80% |
| Suno v5.5 | 5.8087 | 6.7150 | 0.5089 | 0.3917 | 4.5914 | 5.96% |
| MiniMax Music 2.6 | 5.4437 | 6.3222 | 0.4251 | 0.3670 | 4.5688 | 24.55% |
| Mureka 9 | 6.0488 | 6.9377 | 0.4394 | 0.4102 | 4.6368 | 11.69% |
| YuE2 | 5.9075 | 6.7316 | 0.5068 | 0.4054 | 4.6819 | 8.44% |
| YuE2 (best-of-8) | 6.2666 | 6.9632 | 0.5051 | 0.3980 | 4.7009 | 9.79% |
WildSongBenchの評価において、YuE2 (best-of-8)はSongBench平均で6.9632を記録し、比較されたオープンおよびプロプライエタリモデルの中で最高値を達成していると報告されています。一方で、PER（低いほど良い指標）などの項目では一部のモデルに及ばない数値も見られます。
得意なこと・想定用途
- テキストからの楽曲生成（歌詞とスタイルプロンプトの入力による完全な楽曲制作）
- 既存楽曲のカバー制作（既存の曲を新しいスタイルに再構築）
- 編集可能なスコア（メロディとコード、メロディのみ、あるいはABCスコアの持ち込みによる構成と編集）
- エージェントを活用した編集（音楽的フィードバックをスコア、スタイル、歌詞のリビジョンに反映させ、次バージョンをレンダリング）
動作環境
動作環境の目安(Local Model Watch 算出) — パラメータ数 3.6B
| 手持ちのVRAM | 選べる量子化 | ファイルサイズ | 必要メモリの目安 |
|---|---|---|---|
| RTX 4070 / 3060 12GB など 12GB | BF16 | 6.8GB | 8.1GB |
推論エンジンの対応状況(各プロジェクトのソースにあるモデル登録表とアーキテクチャ名を当サイトが機械的に照合。2026-11-03 時点): llama.cpp: 未登録、vLLM: 未登録、MLX (mlx-lm): 未登録。「未登録」はその時点の登録表に名前が無いという意味で、動かないことの断定ではありません。
必要メモリは配布ファイルの実サイズに実行時のオーバーヘッド(KVキャッシュ等)を20%見込んだ概算で、文脈長・バッチサイズ・推論エンジンによって増減します。公開元の公称値ではなく、当サイトがファイルサイズから機械的に算出した値です。 他のモデルとの比較はVRAM別の早見表を参照してください。 量子化の名前の読み方は用語集にあります。
手元で動かせるか
公開元の配布形式は safetensors です。
ライセンス cc-by-nc-4.0(商用利用不可):
商用利用は禁止されています(NC = 非営利)。社内の業務利用も「商用」に当たり得るため、業務で使う予定があるなら避けるべきライセンスです。
配布形式とライセンス表記から当サイトのコードが組み立てた判定です。ライセンスの要約は法的助言ではないため、実際の利用にあたっては公開元の原文を確認してください。
当サイトでの実測
ライセンスの都合で行っていない実測
このモデルのライセンス(cc-by-nc-4.0)は商用利用を認めていません。広告を掲載している当サイトでは、ライセンスの都合上、モデルを動かす実測(CPU での実行・回答・量子化の比較・変換・生成)は行っていません。
配布ファイル
m-a-p/YuE2-3B で配布されている重みファイルを、Hugging FaceのAPIから当サイトが並べたものです。サイズは実ファイルの値です。
| ファイル | サイズ |
|---|---|
model.safetensors |
7.26GB |
入手方法
- 配布形式: safetensors
- 入手先・関連リポジトリ: Hugging Face上の
m-a-p/YuE2-3B
関連記事
次に読むなら
- GPUのVRAMから探す(このモデルは12GBの階層から動きます) → 12GBのGPUで動くほかのモデル
- 同じモデル系統を調べる → YuE2 系統のまとめ(記事3本)
- このモデルを入手できる形式を調べる → Safetensors形式の解説と対応モデル
- 公開元について調べる → M-A-P のモデル・ライセンス・記事のまとめ
- 同じ用途の他のモデルを探す → 音声のモデル一覧
出典
更新履歴
- 2026-09-24: 記事の組み立てを更新しました: 「手元で動かせるか」の判定(配布形式・変換版・推論エンジンの登録表・ライセンス・実測の圧縮率)を追加
- 2026-09-25: タイトルを、記事で分かる内容(必要VRAM・配布ファイル等)を示す形に変更しました。