「YuE2」：必要VRAM 12GB〜・ComfyUIの配置先
基本情報
| 項目 | 内容 |
|---|---|
| リポジトリ | Comfy-Org/YuE2 |
| 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 | 2026-09-11 |
| ライセンス | cc-by-nc-4.0 |
| 配布形式 | safetensors |
| 出典の種類 | 公開元の一次情報(Comfy-Orgは公式組織アカウントであり、ComfyUI向けの公式リパッケージ版として一次情報に該当する。) |
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
Comfy-Orgは、オープンな音楽生成モデル「YuE2-3B」をComfyUIで実行できるように再パッケージしたモデルファイル群「Comfy-Org/YuE2」を公開しました。歌詞とスタイルプロンプトからボーカルと伴奏付きの楽曲を生成し、編集可能なスコアでメロディやコードを制御できるテキスト・音声変換モデルです。
スペック
- パラメータ数: 3.6B (元モデル m-a-p/YuE2-3B のスペックに基づく)
- 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)
性能・品質
元モデルのモデルカードでは、WildSongBenchおよびSHS100Kにおける評価結果が公表されています。以下はWildSongBenchにおけるフル楽曲生成の評価結果です。
→ 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% |
元モデルのYuE2は、評価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も高いSongBench平均を記録しています。一方で、指標によっては他のモデルが優れる部分もあるなど、生成品質とプロンプト準拠のバランスが示されています。
得意なこと・想定用途
元モデルは、歌詞とスタイルプロンプトからの楽曲生成に加え、メロディやコードプランニング、ABC記譜法によるスコア編集、エージェントによる楽曲の編集・リビジョンに対応しています。中国語と英語の歌詞に対応しており、ゼロショットでのカバー楽曲生成やテキストからの音楽制作を想定用途としています。
類似モデルとの違い
音楽生成モデル「YuE2-3B」公開、歌詞とスタイルから楽曲制作では元モデルである「YuE2-3B」の単体公開を扱いましたが、今回の記事で取り上げるComfy-Org/YuE2は、それらのモデルファイルをComfyUI向けの配置構成に合わせてリパッケージしたものです。
動作環境
動作環境の目安(Local Model Watch 算出) — パラメータ数 3.6B(元モデル m-a-p/YuE2-3B の値)
| 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 |
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
Comfy-Org/YuE2 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 | ComfyUIの配置先 |
|---|---|---|
audio_encoders/sheetsage2_bf16.safetensors |
1.39GB | models/audio_encoders/ |
checkpoints/yue2_3b_bf16.safetensors |
7.80GB | models/checkpoints/ |
checkpoints/yue2_3b_int8_convrot.safetensors |
3.96GB | models/checkpoints/ |
ComfyUIの配置先は、リポジトリのフォルダ構成が ComfyUI の models/ と対応している場合にだけ示しています。
入手方法
Hugging Faceの Comfy-Org/YuE2 から入手できます。ファイルは以下のフォルダ構造に従って配置します。
📂 ComfyUI/
└── 📂 models/
├── 📂 audio_encoders/
│ └── sheetsage2_bf16.safetensors
└── 📂 checkpoints/
└── yue2_3b_bf16.safetensors
関連記事
- 「yue2-mothersuperior-realaudio-tokenizer-v4」：必要VRAM 12GB〜
- 「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
- 「Ming-Image」UIデザイン特化の画像生成モデル：ComfyUIの配置先
- ComfyUI v0.36.0公開：汎用ループやYue2・Marigold v2に対応
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)
- このモデルを動かすエンジンを調べる → ComfyUI
- 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
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。