YuE2开源两周刷屏「完爆Suno」：官方建议24G显存、实测峰值11G，装之前先算这三笔账

YuE2开源这两周，本地写歌圈的热闹程度，像极了去年Stable Diffusion刚刷屏的那几天。

时间线先摆清楚：9月12日前后，港科大M·A·P团队（联合斯坦福、NYU等机构）开源了音乐模型YuE2，项目发布后热度很高，所在 GitHub 仓库近七天新增约 2.9k Star。紧接着B站、小红书的解说标题就开始升级——“8G显存ComfyUI本地跑，完爆Sunov6”。而几乎同一时间，Suno在9月9日发布v6，头一回用华纳、BMG、Believe三家授权的音乐做训练，协议里写了分钱，提示词还不许再写真人歌手名字。知乎哔哩哔哩知乎

一头是云端开始按授权收费、审核收紧，另一头是本地模型宣称摸到天花板——这两件事叠在一起，才是"要不要入坑本地写歌"突然变成真问题的原因。我把官方模型卡、知乎解读、B站实测、小红书部署笔记翻了个遍，发现刷屏标题和原始数据之间，至少差着三笔账。

第一笔账：「完爆Suno」这句话，官方自己是怎么标注的

B站那个高收藏工作流视频的标题是"完爆Suno v6"，但你去翻官方模型卡，原文口径完全是另一回事。

官方基准叫WildSongBench，只有192组中英文提示词，YuE2的成绩确实进了头部区间，但模型卡里跟着三条限定，被几乎所有解说视频省略了：官方提醒头部均值差距很小，不能证明具有统计显著性；best-of-8筛选后音素错误率反而上升；不同模型使用的候选协议也不完全一致。知乎

拆开说：跑分用的是"每条提示词生成八个候选再挑最好"的best-of-8协议，标准模式也是两选一，都不是单次直出；被选中的版本可能整体更像一首好歌，但吐字更差——YuE2 的音素错误率从标准设置的 8.44% 上升到 9.79%。

再看真实体感。知乎上有开发者用同一个Boogie Woogie风格、同一份歌词做A/B对比，结论是器乐更丰富、演唱表现力稍强的还是Suno，但YuE-2版本也绝不算差；他把Q8量化的GGUF版本用audio.cpp在本机跑通后，主观判断是"至少达到了去年 Suno 4.5 的水准，抽几次卡就有相当好听的版本"。小红书也有人写本地跑完"生成质量有点惊人"。知乎小红书

所以第一笔账的结论："完爆Suno v6"是UP主标题，"进入头部区间但单次直出有差距"才是官方口径。想要一键就得到Suno那种副歌抓耳的成品，你会失望；想要能改、可控、不限次数，往下看。

第二笔账：你的显卡到底行不行，别看整合包标题

YuE2本体约36亿参数、28层，流程是"提示词→ABC文本乐谱→语义Token→声学潜变量→48kHz立体声"。官方环境门槛写得清楚：Linux、支持 BF16 的 NVIDIA GPU 为主，建议准备 24GB 显存和 24GB 主机内存；但同一条模型卡里还藏着一个关键数字：常规测试峰值显存约 11GB，在 RTX 4090 上生成约 3.6 分钟歌曲需要 71 秒。知乎

这两个数字一比，就能看懂社区那些标题了——官方"建议24G"是留出余量的舒适区，"峰值11G"才是日常水位。按这个拆，分三档：

社区路线也不是空话：RX 9070XT 16G的B站UP主把N卡专属的工作流完整搬到A卡上，四项能力全部实测跑通后还把移植代码开了源。Windows方向则有人借ComfyUI便携整合包的嵌入式Python环境跑通了官方只给Linux指引的部署。哔哩哔哩哔哩哔哩

没有显卡也别急着升级硬件：小红书有人实测零代码部署教程里"2块钱一小时跑出30首带人声完整歌曲"（单一博主口径，仅供参考）。想先试耳朵的，官方合作平台NOIZ的页面有免费生成3首的额度。小红书知乎

第三笔账：免费是权利的起点，不是终点

本地党最容易忽略的是授权结构。YuE2的许可分三层，混着看必翻车：代码、文档和 Agent Skill 使用 Apache 2.0；模型权重使用 CC BY-NC 4.0，并附带个人创作者许可，个人创作者可以销售、授权和变现生成结果，公司商业使用模型权重则要联系项目方。翻唱他人歌曲仍可能涉及词曲、录音和表演者权利，模型许可不能代替歌曲授权。知乎

训练数据侧，官方称 YuE2 使用了约 34.6 万小时音乐训练，主要来自 CC0 音乐和获得授权的合成数据，但技术报告还没发布，完整数据构成要等后续材料——这一点和上月H3开源时的节奏一模一样，先跑起来的人等于在替后来的人趟雷。

对照Suno那笔账才看得清：9月9日之后，你在Suno上点一次"生成"，就有人开始收钱，不是平台收，是版权方收，分成从超过200万付费订阅用户的收入池子里切，比例没公开，没被唱片公司或发行商代表的独立创作者根本不在分配链路上。云端审核还越来越紧，同一份歌词在Suno可能被立即拒绝，本地模型没有这层拦截。本地生成给你的不是"版权自由"，是"责任自担"——这两件事差别很大。知乎知乎

真正买到手的不是音质，是那份「中间稿」

如果只把YuE2当"免费版Suno"，其实低估它了。它和Suno最大的架构差异，是在提示词和音频之间插了一份可读、可改的ABC符号乐谱：生成一首歌，同时拿到音频+乐谱+参数；想保留旋律只把和弦换成爵士，改谱子重新渲染就行；做翻唱，配套的SheetSage2先把原曲转成旋律谱，换词换风格再唱一遍。仓库还带了yue2-music Skill，让Agent直接在乐谱层干活。官方 Demo 中的《The Last Train》经过 9 个编辑步骤、14 个版本，从中文流行改成英文爵士，又加入了萨克斯独奏。知乎

但别高兴太早：这是作曲层控制，不是DAW的局部无损编辑——改一个和弦，其他部分的人声、音色和演奏细节也可能跟着变。官方翻唱实验里也验证了乐谱的价值：YuE2 使用完整乐谱时，衡量歌曲身份保持程度的 CLEWS mAP 为 0.647；只保留旋律时为 0.598；完全不提供乐谱时降到 0.006——约束越少，模型越容易自由生成一首新歌，要保留原作的旋律身份，乐谱才是关键。知乎

谁该装，谁再等等

结合这三笔账，切片给结论：

值得继续盯的信号：技术报告什么时候发、官方会不会补Windows和低显存支持、社区量化版音质会不会再收窄差距、以及"个人创作者许可"的边界会不会随版本变。

上月MiniMax H3把开源推到视频，这月YuE2把它推到音乐，下一个被敲门的生成领域只是时间问题。而每一波都一样：刷屏标题和模型卡之间，永远差着一笔账。装之前先把那笔账算完，这个原则适用于任何一个新开的本地模型。