Τραγούδια από λέξεις και συγχορδίες
στο δικό σου μηχάνημα

Πέντε δωμάτια, ένα στούντιο

Ο Δημιουργός φτιάχνει το τραγούδι, ο Συγγραφέας το γράφει με ένα μοντέλο συνομιλίας, ο Γυαλιστής το τελειώνει, ο Βιβλιοθηκάριος κρατά κάθε λήψη και ο Εκπαιδευτής LoRA μαθαίνει στο YuE2 τα δικά σου τραγούδια. Ένας οδηγός για κάθε δωμάτιο βρίσκεται μέσα στο στούντιο.

Δημιουργός

Ύφος, στίχοι, τρόπος σχεδιασμού, αποκωδικοποιητής, ρυθμιστές, LoRA σε έναν δρόμο από το πράσινο στο κόκκινο· η λήψη με την παρτιτούρα της, τους σπόρους της και ό,τι χρειάζεται για να ξαναγίνει.

Συγγραφέας

Τραγούδια ως έγγραφα με εκδόσεις, προφίλ κειμένου και ένα δικό σου μοντέλο συνομιλίας (ή το OpenRouter) που γράφει πρόχειρα και διορθώνει μαζί σου.

Γυαλιστής

Φάσμα, ελαττώματα, αντιβόμβος, έλεγχος στίχων με το Whisper, stems, remaster, αναβάθμιση· μία αλυσίδα τα τρέχει όλα.

Βιβλιοθηκάριος

Κάθε λήψη σε χώρους: αναζητήσιμη, με «μου αρέσει», με σημειώσεις, κλειδωμένη, με εξώφυλλο, σταλμένη στο DAW σου· ένας κάδος που επιστρέφει.

Εκπαιδευτής LoRA

Προσαρμογείς από τα δικά σου τραγούδια: το σύνολο, η εκπαίδευση, οι καμπύλες και των δύο μισών εξηγημένες, οι εποχές που αξίζει να ακούσεις πρώτες.

Το σκονάκι ♪

200 όργανα δοκιμασμένα και κριμένα με το αυτί: τι παίζει πραγματικά το YuE2, τι παίζει αδύναμα και τι δεν ξέρει.

Τι το κάνει στούντιο

Όχι άλλο ένα περιτύλιγμα μοντέλου: ένας σταθμός εργασίας γύρω από το μοντέλο, ανοιχτός ως το κόκαλο, κάθε αλλαγή αριθμημένη και τεκμηριωμένη.

• Ολόκληρα τραγούδια, έως οκτώ λεπτά. Ένα τραγούδι 6:12 σε 126 δευτ.· ένα τραγούδι 7:25 με την παρτιτούρα πρώτα σε 198 δευτ., σε μία RTX 3090.
• Πρώτα η παρτιτούρα, και είναι δική σου να την αλλάξεις. Το YuE2 γράφει τη μελωδία και τις συγχορδίες σε ABC πριν ακουστεί μια νότα: άλλαξέ τες, μετάφερέ τες, φέρε τη δική σου παρτιτούρα ή MIDI, και το τραγούδι την ακολουθεί.
• Δύο σπόροι, όχι ένας. Κράτα το τραγούδι (ο μουσικός σπόρος), άκουσέ το αποδοσμένο ξανά (ο ηχητικός σπόρος).
• Ο δικός σου ήχος. Εκπαίδευση LoRA στα δικά σου τραγούδια, μέσα στο στούντιο, χωρίς κβάντιση (bf16), με τηλεμετρία που σου λέει ποιες εποχές να ακούσεις πρώτες.
• Μεταπαραγωγή, όλη τοπικά. Stems (BS-Roformer, htdemucs), αντιβόμβος, remaster, αναβάθμιση (UniverSR), έλεγχος στίχων με το Whisper.
• Στο DAW σου (πειραματικό). Ένα έργο REAPER με τα stems, την παρτιτούρα ως MIDI, τις ενότητες και τους στίχους στη χρονογραμμή· DAWproject για Waveform και Bitwig.
• Στίχοι που κρατούν τον χρόνο. Οι χτύποι κάθε γραμμής απέναντι στον χάρακα του μέρους της: οι συλλαβές με τους κανόνες κάθε γλώσσας και τα σύμφωνα που παίρνουν δικό τους χτύπο· οι ετικέτες των μερών προτείνονται καθώς γράφεις «[»· οι τόνοι εκτός θέσης βρίσκονται.
• Ένας συγγραφέας που ξέρει τη μηχανή. Το ύφος σε σύντομες ετικέτες, το σημαντικότερο πρώτα: έτσι το YuE2 ακολουθεί καλύτερα.
• Πολλές GPU, πολλές εργασίες. Σύνθεση σε μία κάρτα, εκπαίδευση στις άλλες· με μία κάρτα η σελίδα σου λέει τι περιμένει.
• Για σενάρια και πράκτορες. Ένα API (OpenAPI 3.1) και ένας διακομιστής MCP στο μηχάνημά σου και στο δίκτυό σου.
• Η γλώσσα σου. Η σελίδα ολόκληρη στα αγγλικά, ρωσικά, ουκρανικά, λευκορωσικά, ελληνικά, ισπανικά και ιταλικά.

Ένας φύλακας κατά των σκουπιδιών

Όταν το μουσικό μισό γράφει χαλασμένη παρτιτούρα (το κάνουν προσαρμογείς σπρωγμένοι πολύ μακριά), η μηχανή σταματά την εκτέλεση πριν χτιστεί πάνω της οποιαδήποτε μουσική, σε δευτερόλεπτα, και λέει γιατί: ποιοι προσαρμογείς, πόσο πέρα από τα όριά τους, τι γράφτηκε.

Οι εντάσεις κάθονται σε μετρημένους δρόμους· οι στοιβαγμένοι προσαρμογείς μοιράζονται ένα μετρημένο ταβάνι.

Ο δικός του εκπαιδευτής LoRA

Το στούντιο εκπαιδεύει μόνο του προσαρμογείς, σε μη κβαντισμένα βάρη bf16. Απέναντι στο AI-Toolkit του Ostris στο ίδιο σύνολο, η απώλεια του μουσικού μισού συμφωνεί εποχή προς εποχή μέσα σε 0.015.

Rank 16 σε 148 τραγούδια: 2.1 δευτ. ανά βήμα σε 12 GB. Rank 32 σε 42 ολόκληρα τραγούδια: 6.7 δευτ. ανά βήμα σε 18 GB.

Στίχοι που κρατούν τον χρόνο

Δίπλα σε κάθε γραμμή οι χτύποι της, απέναντι στον χάρακα του μέρους της: η στροφή και η γέφυρα μία ομάδα, το προ-ρεφρέν και το ρεφρέν δικές τους. Η συλλαβή μετριέται με τους κανόνες κάθε γλώσσας, και τα σύμφωνα που παίρνουν δικό τους χτύπο μετρούν κι αυτά· μια παύση ή ένα ιντερλούδιο μέσα σε ένα μέρος δεν ανοίγει νέα ομάδα.

Γράψε «[» στην αρχή μιας γραμμής και οι ετικέτες των μερών προτείνονται, όπως ένας επεξεργαστής κώδικα προτείνει λέξεις. Οι τόνοι εκτός θέσης βρίσκονται· το Ctrl+F ψάχνει μόνο σε εκείνο το πεδίο.

Το Ruach Studio και το SUNO, ειλικρινά

Κάθε εβδομάδα ένα βίντεο λέει ότι κάποιο μοντέλο σκοτώνει το SUNO. Αυτό δεν είναι μοντέλο: είναι ένας σταθμός εργασίας γύρω από ένα μοντέλο. Ορίστε πού κερδίζει και πού όχι (ακόμα).

Τι χρειάζεσαι

Τι ακολουθεί

Το 2.0.0-rc2 είναι το στούντιο όπου φτιάχνουμε τα δικά μας τραγούδια κάθε μέρα. Αυτά είναι τα μεγαλύτερα κομμάτια που έρχονται, για το rc3 και μετά.

• Το δωμάτιο του Καλλιτέχνη. Εξώφυλλα σε τρία σχήματα μαζί από έναν σπόρο (1:1 για το άλμπουμ, 16:9 για βίντεο, 9:16 για short), ο τίτλος και ο καλλιτέχνης γραμμένοι πάνω τους, οι εκδόσεις της εικόνας κάθε λήψης.
• Πέντε ακόμη γλώσσες. Κινεζικά, γαλλικά, πορτογαλικά, γερμανικά και ιαπωνικά· οι γλώσσες από δεξιά προς τα αριστερά, όταν η ίδια η σελίδα μάθει να τρέχει από δεξιά προς τα αριστερά.
• Τα μοντέλα του Συγγραφέα με τις τιμές τους, από τη λίστα του OpenRouter, καθώς πληκτρολογείς.
• Πιο ήρεμα δωμάτια. Κάθε κουμπί που δεν αναιρείται πίσω από έναν διάλογο, οι σημειώσεις της γραμμής ως συμβουλές, ένα σχήμα για τα κουμπιά-εικονίδια.
• Το είδος μιας φωνής στον Εκπαιδευτή, μετρημένο στην ομιλία και στο τραγούδι.
• Μια εφαρμογή επιφάνειας εργασίας. Πρώτα μια σελίδα που εγκαθίσταται (PWA), μετά μια εφαρμογή Electron που ξεκινά και σταματά τις υπηρεσίες της μόνη της.
• Ένας επεξεργαστής παρτιτούρας όπως σε ένα DAW. Piano roll, γραμμή συγχορδιών, οι στίχοι πάνω από τις νότες, ένα πληκτρολόγιο MIDI για να παίζεις ιδέες.
• Εγγενή πρόσθετα για REAPER, Waveform και Bitwig, όταν το στούντιο βρει τους ανθρώπους του.

Άδειες

Πάνω σε τι στέκεται

• YuE2 και MERT-v2 από τη m-a-p: το μοντέλο
• yue2.cpp από τον ServeurpersoCom: η μηχανή C++ πάνω στο ggml, που ταξιδεύει εδώ με τα δικά της patches
• YuE2 Kit από τον IronWolve: η βάση της σελίδας και των σεναρίων
• AI-Toolkit από τον Ostris: ο κώδικας YuE2 του εκπαιδευτή μεταφέρθηκε από εκεί
• Mothersuperior: η κεφαλή του tokenizer realaudio και η συγχώνευση VAE
• Qwen2.5-Omni (ο ακροατής), Whisper (ο έλεγχος στίχων), BS-Roformer και htdemucs (stems), UniverSR (αναβάθμιση)
• Krea 2 Muse από τον Stable Yogi και CyberRealistic XL από τον Cyberdelia: τα εξώφυλλα
• YuE2 Studio: ο έλεγχος παρτιτούρας· GTSinger: φωνές για εκπαίδευση