Комьюнити-пак pytraveler/YuE2-ComfyUI выпустил версию v0.4.0 (14 сентября 2026). В локальной генерации музыки моделью m-a-p/YuE2-3B в ComfyUI появился редактор партитуры: ноты можно править в партитуре до «исполнения», а модель перепевает только изменённые такты.

image
image
image

Что произошло

Новая версия добавляет в пакет редактор партитуры: окно поверх канвы ComfyUI с тремя вкладками — piano roll, нотный лист на базе abcjs 6.7.0 и ABC-текст. После правки нот на любой из вкладок пользователь запускает исполнение, и аудио пересинтезируется только для изменённых тактов, а не для всего трека. В целом пакет, начиная с версий v0.1.1–v0.3.0 от 13–14 сентября 2026, генерирует 48 кГц стерео-песни из описания стиля и текста. Встроенная нода YuE2 Write Song по одной строке идеи пишет стиль и лирику с тегами [Verse]/[Chorus]: она использует любой локальный GGUF-модель или, если его нет, скачивает Qwen3.5-4B-Q4_K_M (2.55 ГБ).

Контекст

Пакет построен вокруг открытой модели m-a-p/YuE2-3B, веса которой распространяются под лицензией CC BY-NC 4.0. Ключевая особенность модели — двухстадийный пайплайн: сначала она пишет символьную ABC-партитуру, текстовую нотную запись, и только затем «поёт» её. Именно это символьное промежуточное представление делает возможной локальную правку партитуры и перепев отдельных тактов. На модельном кардe в Hugging Face (данные от 12 сентября 2026) YuE2-3B показывает на WildSongBench 6.9632 против 6.8721 у Suno v5. pytraveler/YuE2-ComfyUI — комьюнити-адаптация проекта m-a-p/YuE2-3B под ComfyUI: первые версии v0.1.1–v0.3.0 вышли 13–14 сентября 2026, v0.4.0 опубликована 14 сентября.

Почему это важно для индустрии

Для отрасли v0.4.0 — не просто обновление пакета, а публичный пример работающей архитектуры редактируемого музыкального синтеза. Символьное промежуточное представление между текстом и аудиосинтезом превращает one-shot генерацию в итеративный производственный workflow: мелодия и отдельные фразы правятся на уровне партитуры, а аудио пересинтезируется только для изменённых тактов. Сочетание open-weight модели YuE2-3B, нод ComfyUI и редактора партитуры становится воспроизводимым прототипом стека музыкального редактора. Чекпоинт INT8 ConvRot от Comfy-Org на 3.69 ГБ против 7.26 ГБ у BF16 и offload-режим показывают, что пайплайн укладывается в потребительские GPU. При этом лицензия CC BY-NC 4.0 на весах базовой модели ограничивает прямое коммерческое использование самой YuE2-3B, поэтому для бизнеса ценность лежит в архитектуре и инструментарии, а не в весах.

Почему это важно для пользователей

Для тех, кто работает в ComfyUI или хочет генерировать музыку локально, пакет фактически usable уже сегодня: установка одним git clone в папку custom_nodes, веса (7.26 ГБ BF16 или 3.69 ГБ INT8) находятся автоматически или скачиваются при первом запуске, в браузере ComfyUI доступны шесть готовых workflow-шаблонов. VRAM в offload-режиме: ~4.9 GiB для 40-секундного трека и ~11.5 GiB для 4-минутной песни; на RTX 5090 75-секунная песня генерируется за 40.2 секунды, примерно в 1.9 раза быстрее реального времени. Редактор партитуры решает практическую задачу: если модель криво написала фразу, её можно «дотянуть», правя ноты прямо в piano roll, без перегонки всего трека.

Что пока неизвестно / ограничения

Часть заявлений требует верификации. Сравнение WildSongBench 6.9632 против 6.8721 у Suno v5 (разрыв ~1.3%) построено на оценке best-of-8 — среднем по лучшему из 8 сэмплиров, что требует 8x стоимости инференса и завышает оценку; размер выборки, доверительные интервалы и подтверждение, что Suno v5 оценивалась тем же способом, не приведены. Разница качества между чекпоинтами INT8 ConvRot и BF16 нигде не оценена: нет метрик и слепых прослушиваний. Цифры VRAM (~4.9 GiB и ~11.5 GiB) справедливы только в offload-режиме, где на карте держится лишь нужная половина весов, поэтому фактическое потребление зависит от режима. Веса модели распространяются под некоммерческой лицензией CC BY-NC 4.0, что ограничивает коммерческое использование.

Источники

Автор

Look at AI, редакция