Zum Hauptinhalt springen

m-a-pAudiomodellOffene Gewichte

YuE2-3B

Beliebtheitnoch keine Daten

k. A.ohne Such- oder Nutzungsdaten

Zusammenfassung

YuE2-3B erzeugt vollständige Songs aus Lyrics, Stilvorgaben und musikalischen Anweisungen. Der offene Musikcheckpoint unterstützt Gesang und Begleitung sowie editierbare Partitur, Melodie- und Akkordsteuerung, Cover und agentische Bearbeitung.

Für die lokale Ausführung nennt die Dokumentation 24 GB GPU-Speicher. Die Gewichte stehen unter CC-BY-NC-4.0 und sind deshalb kein Freibrief für kommerzielle Musikproduktion.

GraduallyBench Audio

YuE2-3B

Technischer Test
  • Es liegt nur ein technischer Test vor.
  • Die Auswahl der Testeingaben ist begrenzt.
  • Der Test nutzte quantisierte Modellgewichte.
  • Für die getesteten Gewichte gelten nichtkommerzielle Nutzungsbedingungen.
  • Der Funktionstest bewertet keine inhaltliche Qualität.
Testdetails anzeigen

Technische Messung

Lokal · Sprache nicht dokumentiert

Ausführung Apple Metal. Präzision Q4_0 · Decoder-Präzision FP16.

2 gültige Ausgaben aus 2 begonnenen und 2 geplanten Testplätzen.

Für diesen Test liegt kein weiterer bewerteter Messwert vor.

WER vergleicht Wörter und CER vergleicht Zeichen mit der Referenz. Die Rücktranskription der Sprachausgabe erfolgte mit GPT Transcribe. Die genaue Backend-Revision ist nicht bestätigt. Gelesene Sprache und digitale Stille decken spontane Sprache und echte Störgeräusche nicht ab. Fehlerraten können über 100 % liegen. Testreferenzen wurden, sofern verwendet, nicht unabhängig menschlich geprüft. Testumfang und Methoden unterscheiden sich je Modell. Jede Kennzahl steht für sich, einen gemeinsamen Gesamtwert über alle Tests gibt es nicht. Daten zusammengestellt am 10.11.2026. So testen wir · Alle Decision- und Audioergebnisse als JSON herunterladen

Alle Benchmark-Werte

Jeder veröffentlichte Messwert mit Quelle, Testbedingungen und Vergleichsmodellen.

Alle 51 veröffentlichten Benchmark-Werte anzeigen

Seite 1 von 5

Messungen ohne passende Vergleichswerte

Für diese Messungen fehlen passende Vergleichswerte unter gleichen Testbedingungen. Die Originalwerte und Quellen bleiben hier nachlesbar.

PER (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
9,79
Messgröße
phoneme error rate
Einheit
%
Benchmark-Version
best-of-8
Kategorie
audio
Richtung
Weniger ist besser
Quellentyp
vendor-reported
Auswertung
YuE2 model card
Status
active
Abrufdatum
2026-10-04
Methodik
Vom Anbieter veröffentlichter Wert. Same 192-prompt run
Einordnung
Quellenspezifische Beobachtung. Sie begründet keine vergleichbare modellübergreifende Testkohorte.
Quelle YuE2 model card
WildSongBench expert preference for melody-and-chord planning, overall quality (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
49,3
Messgröße
Share of judged responses favoring symbolic planning, with ties retained
Einheit
%
Benchmark-Version
YuE2 arXiv:2609.33757v1 Section 4.2, direct planning ablation
Kategorie
audio
Richtung
Mehr ist besser
Stichprobe
211
Quellentyp
vendor-reported
Auswertung
YuE2 paper authors, arXiv
Status
active
Abrufdatum
2026-10-17
Methodik
Vom Anbieter veröffentlichter Wert. Derselbe exakte YuE2-Checkpoint, dieselben Prompts, Lyrics, das Budget mit zwei Kandidaten und derselbe Waveform-Decoder. Die Planungsvariante erzeugt zuerst eine Melodie-und-Akkord-Partitur; ohne Planung erzeugt das Modell semantische Tokens und akustische Latents direkt. Die Expertenrunde behielt 211 bewertete Antworten zur Gesamtqualität: 49,3 % entfielen auf Planung, 34,6 % auf keine Planung und 16,1 % auf Gleichstände.
Einordnung
Dies ist ein Vergleich zweier Generierungsmodi desselben Checkpoints und kein Qualitätswert im Modellvergleich. Die Präferenzanteile enthalten Gleichstände, daher ist 50 % hier nicht der angegebene Neutralwert. Das Paper nennt einen Signifikanztest, aber in diesem Abschnitt kein Konfidenzintervall.
Quelle YuE2 paper authors, arXiv
VRAM16 YuE2-3B Japanese lyric character match, int8, with score, short Japanese lyrics (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
73
Messgröße
Whisper large-v3 character match against lyrics
Einheit
%
Richtung
Mehr ist besser
Stichprobe
1
Quellentyp
independent-evaluator
Auswertung
VRAM16, YuE2-3B local evaluation by ulluna
Status
active
Abrufdatum
2026-10-22
Methodik
Unabhängige Evaluation. YuE2-3B, int8, with score, short Japanese lyrics. Ein generierter Song wurde mit Whisper large-v3 transkribiert; die Begleitmusik lief bei der Erkennung weiter. Getestet am 02.10.2026 im RTX-5080-/ComfyUI-0.38.0-Aufbau der Seite. Laut Seite entspricht der Standard-Workflow der offiziellen ComfyUI-Vorlage audio_yue2_text2music (32 Schritte, CFG 1, Sampler dpm_2 / sgm_uniform, Seed 1234) mit Score im Full Mode; die zitierte Zeile ohne Score ist eine ausdrückliche No-Score-Variante.
Einordnung
Je Einstellung wurde nur einer von zwei generierten Songs transkribiert. Whisper large-v3 erkannte mit weiterhin hörbarer Begleitmusik. Getestet wurden nur japanische Texte; die Quelle bezeichnet die Übereinstimmungswerte als grob.
Quelle VRAM16, YuE2-3B local evaluation by ulluna
VRAM16 YuE2-3B Japanese lyric character match, bf16, with score, short Japanese lyrics (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
84
Messgröße
Whisper large-v3 character match against lyrics
Einheit
%
Richtung
Mehr ist besser
Stichprobe
1
Quellentyp
independent-evaluator
Auswertung
VRAM16, YuE2-3B local evaluation by ulluna
Status
active
Abrufdatum
2026-10-22
Methodik
Unabhängige Evaluation. YuE2-3B, bf16, with score, short Japanese lyrics. Ein generierter Song wurde mit Whisper large-v3 transkribiert; die Begleitmusik lief bei der Erkennung weiter. Getestet am 02.10.2026 im RTX-5080-/ComfyUI-0.38.0-Aufbau der Seite. Laut Seite entspricht der Standard-Workflow der offiziellen ComfyUI-Vorlage audio_yue2_text2music (32 Schritte, CFG 1, Sampler dpm_2 / sgm_uniform, Seed 1234) mit Score im Full Mode; die zitierte Zeile ohne Score ist eine ausdrückliche No-Score-Variante.
Einordnung
Je Einstellung wurde nur einer von zwei generierten Songs transkribiert. Whisper large-v3 erkannte mit weiterhin hörbarer Begleitmusik. Getestet wurden nur japanische Texte; die Quelle bezeichnet die Übereinstimmungswerte als grob.
Quelle VRAM16, YuE2-3B local evaluation by ulluna
VRAM16 YuE2-3B Japanese lyric character match, int8, no score, short Japanese lyrics (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
100
Messgröße
Whisper large-v3 character match against lyrics
Einheit
%
Richtung
Mehr ist besser
Stichprobe
1
Quellentyp
independent-evaluator
Auswertung
VRAM16, YuE2-3B local evaluation by ulluna
Status
active
Abrufdatum
2026-10-22
Methodik
Unabhängige Evaluation. YuE2-3B, int8, no score, short Japanese lyrics. Ein generierter Song wurde mit Whisper large-v3 transkribiert; die Begleitmusik lief bei der Erkennung weiter. Getestet am 02.10.2026 im RTX-5080-/ComfyUI-0.38.0-Aufbau der Seite. Laut Seite entspricht der Standard-Workflow der offiziellen ComfyUI-Vorlage audio_yue2_text2music (32 Schritte, CFG 1, Sampler dpm_2 / sgm_uniform, Seed 1234) mit Score im Full Mode; die zitierte Zeile ohne Score ist eine ausdrückliche No-Score-Variante.
Einordnung
Je Einstellung wurde nur einer von zwei generierten Songs transkribiert. Whisper large-v3 erkannte mit weiterhin hörbarer Begleitmusik. Getestet wurden nur japanische Texte; die Quelle bezeichnet die Übereinstimmungswerte als grob.
Quelle VRAM16, YuE2-3B local evaluation by ulluna
VRAM16 YuE2-3B Japanese lyric character match, int8, with score, long Japanese lyrics (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
84
Messgröße
Whisper large-v3 character match against lyrics
Einheit
%
Richtung
Mehr ist besser
Stichprobe
1
Quellentyp
independent-evaluator
Auswertung
VRAM16, YuE2-3B local evaluation by ulluna
Status
active
Abrufdatum
2026-10-22
Methodik
Unabhängige Evaluation. YuE2-3B, int8, with score, long Japanese lyrics. Ein generierter Song wurde mit Whisper large-v3 transkribiert; die Begleitmusik lief bei der Erkennung weiter. Getestet am 02.10.2026 im RTX-5080-/ComfyUI-0.38.0-Aufbau der Seite. Laut Seite entspricht der Standard-Workflow der offiziellen ComfyUI-Vorlage audio_yue2_text2music (32 Schritte, CFG 1, Sampler dpm_2 / sgm_uniform, Seed 1234) mit Score im Full Mode; die zitierte Zeile ohne Score ist eine ausdrückliche No-Score-Variante.
Einordnung
Je Einstellung wurde nur einer von zwei generierten Songs transkribiert. Whisper large-v3 erkannte mit weiterhin hörbarer Begleitmusik. Getestet wurden nur japanische Texte; die Quelle bezeichnet die Übereinstimmungswerte als grob.
Quelle VRAM16, YuE2-3B local evaluation by ulluna
VRAM16 YuE2-3B Japanese lyric character match, bf16, with score, long Japanese lyrics (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
81
Messgröße
Whisper large-v3 character match against lyrics
Einheit
%
Richtung
Mehr ist besser
Stichprobe
1
Quellentyp
independent-evaluator
Auswertung
VRAM16, YuE2-3B local evaluation by ulluna
Status
active
Abrufdatum
2026-10-22
Methodik
Unabhängige Evaluation. YuE2-3B, bf16, with score, long Japanese lyrics. Ein generierter Song wurde mit Whisper large-v3 transkribiert; die Begleitmusik lief bei der Erkennung weiter. Getestet am 02.10.2026 im RTX-5080-/ComfyUI-0.38.0-Aufbau der Seite. Laut Seite entspricht der Standard-Workflow der offiziellen ComfyUI-Vorlage audio_yue2_text2music (32 Schritte, CFG 1, Sampler dpm_2 / sgm_uniform, Seed 1234) mit Score im Full Mode; die zitierte Zeile ohne Score ist eine ausdrückliche No-Score-Variante.
Einordnung
Je Einstellung wurde nur einer von zwei generierten Songs transkribiert. Whisper large-v3 erkannte mit weiterhin hörbarer Begleitmusik. Getestet wurden nur japanische Texte; die Quelle bezeichnet die Übereinstimmungswerte als grob.
Quelle VRAM16, YuE2-3B local evaluation by ulluna
SHS100K zero-shot cover generation, full score, CLEWS Hit@1 (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
71,3
Messgröße
CLEWS Hit@1 for preserved-song identity after source exclusion.
Einheit
%
Richtung
Mehr ist besser
Stichprobe
3792
Quellentyp
vendor-reported
Auswertung
YuE2-3B model card
Status
active
Abrufdatum
2026-10-23
Methodik
Vom Anbieter veröffentlichter Wert. SHS100K-Nullstart-Cover-Generierung, Bedingung full score. Die Karte nennt 3.792 erzeugte Ausgaben je Methode ohne Kandidatenauswahl; die Extraktion des Quell-Scores ist separat. CLEWS und Discogs-VINet messen erhaltene Song-Identität gegenüber 10.545 Aufnahmen nach Ausschluss der Quelle; MuLan misst Zielstil-Ähnlichkeit, Musicality stammt aus SongBench.
Einordnung
Die Karte nennt YuE2-Vae-legacy für diese YuE2-Varianten, aber keine unveränderliche Gewichtsrevision. Die Tabellenwerte gelten für die jeweils benannte Bedingung und sind nicht mit anderen Datensätzen oder Auswahlverfahren gleichzusetzen.
Quelle YuE2-3B model card
SHS100K zero-shot cover generation, without chords, CLEWS Hit@1 (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
67,3
Messgröße
CLEWS Hit@1 for preserved-song identity after source exclusion.
Einheit
%
Richtung
Mehr ist besser
Stichprobe
3792
Quellentyp
vendor-reported
Auswertung
YuE2-3B model card
Status
active
Abrufdatum
2026-10-23
Methodik
Vom Anbieter veröffentlichter Wert. SHS100K-Nullstart-Cover-Generierung, Bedingung without chords. Die Karte nennt 3.792 erzeugte Ausgaben je Methode ohne Kandidatenauswahl; die Extraktion des Quell-Scores ist separat. CLEWS und Discogs-VINet messen erhaltene Song-Identität gegenüber 10.545 Aufnahmen nach Ausschluss der Quelle; MuLan misst Zielstil-Ähnlichkeit, Musicality stammt aus SongBench.
Einordnung
Die Karte nennt YuE2-Vae-legacy für diese YuE2-Varianten, aber keine unveränderliche Gewichtsrevision. Die Tabellenwerte gelten für die jeweils benannte Bedingung und sind nicht mit anderen Datensätzen oder Auswahlverfahren gleichzusetzen.
Quelle YuE2-3B model card
SHS100K zero-shot cover generation, without score, CLEWS Hit@1 (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
0,3
Messgröße
CLEWS Hit@1 for preserved-song identity after source exclusion.
Einheit
%
Richtung
Mehr ist besser
Stichprobe
3792
Quellentyp
vendor-reported
Auswertung
YuE2-3B model card
Status
active
Abrufdatum
2026-10-23
Methodik
Vom Anbieter veröffentlichter Wert. SHS100K-Nullstart-Cover-Generierung, Bedingung without score. Die Karte nennt 3.792 erzeugte Ausgaben je Methode ohne Kandidatenauswahl; die Extraktion des Quell-Scores ist separat. CLEWS und Discogs-VINet messen erhaltene Song-Identität gegenüber 10.545 Aufnahmen nach Ausschluss der Quelle; MuLan misst Zielstil-Ähnlichkeit, Musicality stammt aus SongBench.
Einordnung
Die Karte nennt YuE2-Vae-legacy für diese YuE2-Varianten, aber keine unveränderliche Gewichtsrevision. Die Tabellenwerte gelten für die jeweils benannte Bedingung und sind nicht mit anderen Datensätzen oder Auswahlverfahren gleichzusetzen.
Quelle YuE2-3B model card
WildSongBench Musicality (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
6,2666
Messgröße
Punktzahl
Einheit
Keine Einheit angegeben
Benchmark-Version
best-of-8
Kategorie
audio
Richtung
Mehr ist besser
Quellentyp
vendor-reported
Auswertung
YuE2 model card
Status
active
Abrufdatum
2026-10-04
Methodik
Vom Anbieter veröffentlichter Wert. 192 prompts; candidates selected Musicality then Q3O then PER
Einordnung
Quellenspezifische Beobachtung. Sie begründet keine vergleichbare modellübergreifende Testkohorte.
Quelle YuE2 model card
WildSongBench SongBench average (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
6,9632
Messgröße
Punktzahl
Einheit
Keine Einheit angegeben
Benchmark-Version
best-of-8
Kategorie
audio
Richtung
Mehr ist besser
Quellentyp
vendor-reported
Auswertung
YuE2 model card
Status
active
Abrufdatum
2026-10-04
Methodik
Vom Anbieter veröffentlichter Wert. 192 prompts; candidates selected Musicality then Q3O then PER
Einordnung
Quellenspezifische Beobachtung. Sie begründet keine vergleichbare modellübergreifende Testkohorte.
Quelle YuE2 model card

Seite 1 von 5

Alle technischen Daten

Architektur

Modellklasse
Musikgenerierung
Quelle: Modellklasse
Checkpoint
m-a-p/YuE2-3B
Quelle: Checkpoint

Ein- und Ausgabe

Eingabe
Songtext, Stil und musikalische Vorgaben
Quelle: Eingabe
Ausgabe
Songs mit Gesang und Begleitung
Quelle: Ausgabe
Funktionen
Komplette Songs, editierbare Partitur, Melodie- und Akkordsteuerung, Cover und agentische Bearbeitung
Quelle: Funktionen

Wasserzeichen und Herkunft

KI-Wasserzeichen meint unsichtbare Signale in der Ausgabe. Sichtbare Zeichen und Herkunftsmetadaten sind getrennt aufgeführt. Unbekannt bedeutet, dass für die jeweilige Angabe kein ausreichender Beleg vorliegt.

KI-Wasserzeichen
Unbekannt
ohne Quelle
Wasserzeichen-Technik
Nicht bekannt
ohne Quelle

Lizenz und Zugang

Zugang
Lokale Gewichte
Quelle: Zugang
Lizenz
CC-BY-NC-4.0
Quelle: Lizenz
Abschaltung
Keine angekündigt
ohne Quelle

Weitere Angaben

Hardwarehinweis
Die Dokumentation nennt 24 GB GPU-Speicher für die lokale Ausführung
Quelle: Hardwarehinweis
Repository
Offizielles YuE-Repository
Quelle: Repository

Quellen und Datenstand

Benchmarkquellen im Überblick

Welche unabhängigen Auswerter dieses Modell getestet haben. Das ist Abdeckung, keine Qualitätsrangliste.

Für dieses Modell ist derzeit kein aktives Ergebnis der geprüften externen Auswerter zugeordnet. Weitere Quellenbelege stehen darunter.

Ohne Herstellerangaben sowie historische oder strittige Ergebnisse; diese stehen gekennzeichnet bei den Einzelwerten.

ArtNachweis und Datenstand
RecherchestandRecherchestand 4. Oktober 2026. 3 Quellen-URLs geprüft. Das dokumentiert die geprüften Quellen, nicht sämtliche Veröffentlichungen zu diesem Modell.
Nicht veröffentlicht

confidence-intervals-for-standard-wsb-metrics

Hinweis

Das Paper nennt für die WildSongBench-Tabellen den gemeinsamen Nenner von 192 Prompts, aber dort keine Konfidenzintervalle je Metrik. Der direkte Planungsvergleich umfasst 211 bewertete Antworten und einen p-Wert, in diesem Abschnitt jedoch kein Intervall.

Weitere QuelleYuE2-3B model card (abgerufen 3. Oktober 2026; 4. Oktober 2026; 17. Oktober 2026; 23. Oktober 2026) · YuE2-3B model card · Redaktionelle Beschreibung geprüft am 3. Oktober 2026
Weitere QuelleYuE repository (abgerufen 3. Oktober 2026) · YuE repository · Redaktionelle Beschreibung geprüft am 3. Oktober 2026
Weitere QuelleYuE2 paper authors, arXiv (abgerufen 17. Oktober 2026; 18. Oktober 2026)
Weitere QuelleVRAM16, YuE2-3B local evaluation by ulluna (abgerufen 22. Oktober 2026)