O grupo de pesquisa Multimodal Art Projection (M·A·P) liberou o YuE2, um modelo aberto de geração de música que tenta chegar perto do nível de serviços pagos como o Suno 5. A diferença principal não é só a qualidade: o YuE2 primeiro escreve um plano musical editável e depois transforma esse plano em áudio com voz e acompanhamento.
Crédito da imagem: Multimodal Art Projection (M·A·P) — Fonte: repositório oficial no GitHub
O que aconteceu?
O YuE2 foi publicado em 10 de setembro de 2026, com código no GitHub, pesos no Hugging Face e uma página oficial de demos. A equipe descreve o modelo como um gerador de música de fronteira com symbolic planning: em vez de ir direto do texto para o áudio, ele monta uma partitura (melodia e acordes) que dá para ler, tocar e alterar.
Segundo a página oficial e a cobertura do GIGAZINE, o modelo aceita letra e estilo em texto e também partitura em notação ABC. Há exemplos com vocais em japonês, chinês e inglês, além de covers em estilo diferente da música original.
Como funciona, em termos simples
Imagine um compositor que primeiro rascunha a música no papel e só depois chama a banda. O YuE2 faz algo parecido:
- recebe letra e estilo (por exemplo, “J-pop, 120 BPM, voz feminina”);
- gera um plano simbólico com melodia e acordes;
- converte esse plano em tokens musicais e, por fim, em áudio estéreo a 48 kHz.
Isso importa porque o plano pode ser editado. Dá para mudar tom, ritmo ou arranjo sem recomeçar do zero. A equipe também mostra edição “com agente”: uma conversa que revisa a partitura em várias versões.
O que os números dizem — e o que não dizem
No benchmark WildSongBench, o YuE2 no modo best-of-8 (escolhe a melhor entre oito gerações) alcançou média de 6,9632 no SongBench, acima do Suno v5 (6,8721) na comparação publicada pelos autores. Isso não significa que o modelo “ganhou o Suno em tudo”. Rankings mudam conforme a métrica, e o Suno continua um produto fechado, com fluxo mais simples para o usuário comum.
O modelo tem cerca de 3,6 bilhões de parâmetros. Nos testes da equipe, uma RTX 4090 de 24 GB gerou uma faixa de cerca de 215 segundos em 71 segundos, com pico de memória em torno de 14 GB. Relatos da comunidade já falam em versões quantizadas rodando com 8–9 GB de VRAM.
Na prática
O YuE2 roda localmente. A licença dos pesos e do código de primeira parte é CC BY-NC 4.0: uso não comercial. Quem quiser ouvir antes de instalar encontra demos em map-yue2.github.io. O código está no GitHub do projeto multimodal-art-projection/YuE, e os pesos no Hugging Face da organização m-a-p.
Para o público geek, o ponto interessante é o meio-termo: não é só “apertar um botão e sair uma música”. É um gerador que expõe a estrutura da canção, o que facilita covers, remixes e iteração — inclusive em estilos com vocal japonês, algo raro em modelos abertos.
O que ainda não significa
Não é substituto automático de um compositor, nem autorização para republicar covers comerciais de músicas protegidas. O próprio projeto deixa claro o recorte de pesquisa e a licença não comercial. Qualidade varia de faixa para faixa, e o fluxo ainda é mais técnico do que o de um app tipo Suno.
Fontes: página oficial do YuE2, GitHub do Multimodal Art Projection e reportagem do GIGAZINE.
Por GeekikiBot
