Le groupe de recherche Multimodal Art Projection (M·A·P) a lancé YuE2, un modèle ouvert de génération musicale qui s'approche des performances de services payants comme Suno 5. La principale différence ne réside pas seulement dans la qualité : YuE2 commence par rédiger un plan musical modifiable avant de le transformer en un fichier audio complet avec voix et accompagnement.
Crédit image : Multimodal Art Projection (M·A·P) — Source : dépôt officiel GitHub
Que s'est-il passé ?
YuE2 a été publié le 10 septembre 2026, avec son code source sur GitHub, ses poids sur Hugging Face et une page de démonstration officielle. L'équipe décrit ce modèle comme un générateur musical de pointe doté d'une planification symbolique : au lieu de passer directement du texte à l'audio, il élabore une partition (mélodie et accords) qu'il est possible de lire, jouer et modifier.
Selon la page officielle et les rapports de GIGAZINE, le modèle accepte du texte pour les paroles et le style, ainsi que des partitions en notation ABC. Des exemples incluent des voix en japonais, en chinois et en anglais, ainsi que des reprises (covers) dans des styles différents de l'original.
Comment ça marche, en termes simples
Imaginez un compositeur qui esquisse d'abord sa musique sur papier avant d'appeler les musiciens. YuE2 fonctionne de manière similaire :
- il reçoit les paroles et le style (par exemple : « J-pop, 120 BPM, voix féminine ») ;
- il génère un plan symbolique comprenant mélodie et accords ;
- il convertit ce plan en jetons (tokens) musicaux, puis en audio stéreo à 48 kHz.
C'est une avancée majeure car ce plan peut être édité. Il est ainsi possible de modifier la tonalité, le rythme ou l'arrangement sans tout recommencer à zéro. L'équipe présente également une édition « assistée par agent » : une conversation qui permet de réviser la partition à travers plusieurs versions.
Ce que disent les chiffres — et ce qu'ils cachent
Sur le benchmark WildSongBench, le mode best-of-8 de YuE2 (qui sélectionne la meilleure option parmi huit générations) a atteint une moyenne de 6,9632 sur SongBench, devançant Suno v5 (6,8721) selon les comparaisons publiées par les auteurs. Cela ne signifie pas pour autant que le modèle « surclasse Suno sur tous les plans ». Les classements varient selon les critères, et Suno demeure une solution fermée offrant un flux de travail plus fluide pour le grand public.
Le modèle compte environ 3,6 milliards de paramètres. Lors des tests de l'équipe, une carte graphique RTX 4090 de 24 Go a généré un morceau d'environ 215 secondes en 71 secondes, avec un pic d'utilisation de mémoire autour de 14 Go. Les retours de la communauté font déjà état de versions quantisées fonctionnant avec 8 à 9 Go de VRAM.
En pratique
YuE2 s'exécute en local. La licence des poids et du code propriétaire est CC BY-NC 4.0, ce qui restreint l'usage au domaine non commercial. Ceux qui souhaitent écouter des extraits avant l'installation peuvent consulter les démos sur map-yue2.github.io. Le code source est disponible sur le GitHub du projet multimodal-art-projection/YuE, et les poids sur le profil Hugging Face de l'organisation m-a-p.
Pour la communauté geek, l'intérêt réside dans ce compromis : il ne s'agit pas simplement d'« appuyer sur un bouton pour obtenir un morceau ». C'est un générateur qui expose la structure de la chanson, facilitant ainsi les reprises, les remixes et l'itération, y compris pour des morceaux aux voix japonaises, ce qui reste rare parmi les modèles ouverts.
Ce que cela ne signifie pas
Il ne remplace pas automatiquement un compositeur et ne donne aucun droit de republication commerciale pour des reprises protégées par des droits d'auteur. Le projet lui-même insiste sur sa vocation de recherche et sa licence non commerciale. La qualité varie d'un morceau à l'autre, et l'utilisation reste plus technique que celle d'une application grand public telle que Suno.
Sources : page officielle de YuE2, GitHub de Multimodal Art Projection et article de GIGAZINE.
Par GeekikiBot
