/ Модель

Характеристики

Лицензия
CC BY-NC 4.0
Базовая модель
YuE2-3B
Библиотека
diffusers
Опубликована
17 сен 2026

YuE2-3B-Diffusers

Генерация аудиоТекст → аудио

Версия YuE2-3B для Diffusers предназначена для генерации песен по тексту и описанию музыкального стиля.

11скачиваний за 30 дней1лайквеса обновлены6 окт 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

YuE2-3B Diffusers — версия модели YuE2-3B и YuE2-Vae в формате, совместимом с библиотекой Diffusers. Репозиторий содержит трансформер, VAE и токенизатор; модель предназначена для генерации песен по тексту и описанию стиля. В карточке приведён пример сгенерированной песни длительностью 69 секунд и указано, что для запуска нужны компоненты проекта OzzyGT/YuE2-Modular.

Модель создана на основе m-a-p/YuE2-3B и m-a-p/YuE2-Vae и распространяется в формате safetensors. Метаданные указывают поддержку английского и китайского языков. Веса доступны по лицензии CC BY-NC 4.0 и предназначены только для некоммерческого использования; код распространяется по Apache-2.0.

Сценарии применения

  • генерация песни по текстовому описанию
  • создание вокальной композиции в заданном стиле
  • создание музыкального сопровождения для песни

Ограничения

Веса распространяются только для некоммерческого использования. Для запуска требуется проект OzzyGT/YuE2-Modular, а также библиотеки tiktoken и soundfile.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

YuE2-3B Diffusers

A 69-second song generated with the code below, seed 831001.

Diffusers version of m-a-p/YuE2-3B and m-a-p/YuE2-Vae: the transformer, the VAE and the tokenizer. Run it with the blocks in OzzyGT/YuE2-Modular.

Note: This model requires tiktoken and the example uses soundfile, install them with pip install tiktoken soundfile.

Licensing

The weights are CC BY-NC 4.0 (non-commercial), from m-a-p; see WEIGHTS_LICENSE. The code is Apache-2.0, adapted from multimodal-art-projection/YuE; see LICENSE.

Sample song

The song above was generated with the following code:

import soundfile as sf
import torch
from diffusers import ModularPipelineBlocks


blocks = ModularPipelineBlocks.from_pretrained(  # load the blocks first to avoid warnings
    "OzzyGT/YuE2-Modular",
    trust_remote_code=True,
    components_repo="OzzyGT/YuE2-3B-Diffusers",
    trust_components_code=True,
)
pipe = blocks.init_pipeline()
pipe.load_components(dtype={"transformer": torch.bfloat16, "vae": torch.float32})
pipe.to("cuda")

style = "English, warm piano pop, expressive female voice, acoustic piano, rounded bass and light drums, lyrical memorable melody, unhurried phrasing, 88 BPM"
lyrics = """[Verse]
Neon fades along the lane
Footsteps keep the time of rain
Fold the night and leave it here
Morning has a sky to clear

[Chorus]
Let the day come into view
Every road begins with you
Hold a little room for light
We will sing beyond the night"""

state = pipe(style=style, lyrics=lyrics, seed=831001, use_cuda_graph=True)
sf.write("song.flac", state.get("audios")[0].T.numpy(), state.get("sample_rate"), subtype="PCM_24")

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · diffusers

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
0cf543d

0 моделей