副歌很好听，能不能只改和弦？YuE2 给 AI 作曲留下了修改的余地

YuE2 是一个 AI 音乐生成模型。你提供歌词，再描述想要的曲风，它就能生成带有人声和伴奏的歌曲。对写歌的人，这可以用来试一版旋律、听听歌词唱出来的感觉，再决定接下来怎样改。官方发布记录介绍了歌曲创作和改编的用法。

M·A·P 团队在北京时间 2026 年 9 月 10 日发布的这个公开版本，还有一个值得留意的特点：除了声音，它可以留下可编辑的旋律与和弦乐谱。当前提供的是模型和配套创作工具，需要准备运行环境；实际门槛放在文末说明。

有了这份乐谱，就能讨论一个更具体的要求：副歌旋律已经顺耳，歌词也合适，只是伴奏太平，想换一组更有张力的和弦。重新描述整首歌，可能连喜欢的部分一起变掉；把要改的音乐内容单独写清楚，就更容易保留已经满意的决定。

先把曲子写下来，再让它唱出来

先把两个音乐概念说清楚。旋律是一段能跟着哼唱的音符走向；和弦是同时响起的一组音，为旋律提供支撑。同一段旋律换一组和弦，听众仍有机会认出原来的歌，气氛却能发生变化。

YuE2 可以先把这些音乐安排写成乐谱，再生成声音。它使用的 ABC 是一种文本记谱方式，用字符记录音高和时长等信息；完整规划模式还包含和弦。乐谱随后会被转换成模型内部的音乐信息和声音表示，最后输出歌声与伴奏。只规划旋律，或者跳过乐谱阶段直接生成，也是可选路径。官方项目说明展示了这些阶段的关系。

*图为 YuE2 团队提供的架构说明。上方展示乐谱到音频的路径，下方展示训练目标的来源；它解释模型怎样组织信息，不是本站的音质测试结果。来源：YuE2 模型卡。*

对创作者来说，乐谱让“这部分保留，那部分重做”有了具体对象。修改时可以对照音符和和弦，看看自己的要求究竟落在了哪里。

不过，这份乐谱还不是录音工程。它没有逐轨保存某个歌手的每一次呼吸，也没有把鼓、贝斯、人声变成可以分别拉推子的音轨。修改乐谱后，YuE2 会按新条件重新生成声音，不能据此承诺“其余波形一毫秒也不变”。

Agent 有了具体可改的对象

官方编辑用法允许把乐谱、歌词、原始风格提示和修改要求交给 Agent，也就是能按要求读取、修改文件并调用工具的 AI 助手。这里的分工很清楚：助手改写创作材料，YuE2 负责把修改后的材料变成声音。

“更高级一点”仍然是个难执行的要求。换成“保留副歌音高和节奏，只修改和弦，并解释哪里改变了”，就有了可以对照的结果。即使不熟悉乐理，也能请 Agent 先展示修改前后的差异，再决定是否生成。能检查的地方多了，听完不满意时，也更容易知道下一次该改什么。

官方的《The Last Train》演示给出了 9 个步骤、14 个版本，展示歌曲如何经过多轮讨论，从普通话流行风格转向英文爵士。页面保留了对话、乐谱和各版音频，可以顺着修改过程看，而不只是听一首最终成品。多轮编辑展示是团队选择的案例，不能当成任意一句修改指令都能稳定奏效的保证。

如果自己尝试，我更建议先改一个明确的音乐决定。一次同时换歌词、调速度、重写旋律，变化当然会很大，却不容易判断究竟哪一步起了作用。

自己的录音，怎样进入这条链路

已有录音也能成为起点。官方提供的 SheetSage2 会把录音转成带旋律与和弦信息的乐谱，再由 YuE2 按新的风格生成。这相当于先记下曲子的主要内容，然后重新演绎；转谱的错误也可能一路传下去，所以生成前值得先看一眼乐谱。SheetSage2 模型卡说明了它处理的节拍、调性、结构和旋律等任务。

这周社区还补上了另一条路。Mothersuperior 发布了一个编码器，把真实录音转成 YuE2 能处理的音乐信息单元，也就是语义 token。配套的 LoRA 工具是一种微调方式，可以用额外数据调整模型的生成表现。这条路线主要用于准备录音数据和训练，再生成歌曲。作者提供的模型与脚本属于社区扩展，和官方“录音转乐谱”的功能不是同一件事。

这也解释了 Reddit 讨论里容易出现的误会：能把自己的音乐送进模型，不等于已经有一个成熟的音频局部修改器。对普通使用者，先理解改谱、重新演绎这条路线，比急着训练 LoRA 更容易找到用途。

本地尝试前，把预期放在合适的位置

官方当前推荐 Linux、支持 BF16 数值格式的 24GB NVIDIA 显卡，以及 24GB 可用系统内存。这里的显存是显卡处理任务时使用的内存，与电脑的系统内存分开计算。团队给出的 RTX 4090 热启动测试，也就是模型已完成初始加载后的测试中，生成约 3.6 分钟歌曲平均耗时约 71 秒，记录峰值显存约 11.18GiB；这是特定测试的结果，不能反推所有 12GB 显卡都够用。模型卡还记录了更长上下文达到 14.08GiB 的情况。硬件要求与计时条件应和模型名字一起看。

音质也值得亲自听。官方 WildSongBench 使用 192 组提示评估，best-of-8 指的是生成八个候选后再筛选，不能拿这条成绩当作一次生成的平均体验。它衡量的是指定协议下的自动评分，未必替你回答“这句唱得有没有感情”。评估数据与筛选说明保留了这些条件。

另外，YuE2 权重采用 CC BY-NC 4.0，包含非商业使用限制；下载到本地并不等于适合直接接商业配乐订单。当前发布说明也分别交代了新版本与旧版本、第三方组件的许可边界。

对愿意反复推敲一首歌的人，YuE2 值得关注的理由已经足够具体：生成结束后，桌面上还留着一份能继续修改的乐谱。你可以保留那段喜欢的副歌，试另一组和弦，再听听它往哪里走。