YuE2-Turbo — 不改模型，只把音乐生成的速度提上去

想让开源模型替自己写一首歌，最难受的部分是等：一首歌要盯好几分钟，一张显卡一次只伺候一个人，多来几个人就得再买一张卡。给大家推荐一下 YuE2-Turbo ——模型权重一个字不改，只把跑法重做一遍，同一张卡上单曲快 1.68 倍，四个人同时提交时能多跑 3.31 倍的歌。它属于 AI工具里偏工程的那一类：不追求新效果，只把同一件事做得更快，让同一张卡能多接几个人。

YuE2-Turbo 不是新模型，是一套跑法。它基于社区发布的开源音乐模型 YuE2，沿用官方放出的权重，也沿用原来定好的生成规格。改动全在底层怎么执行上：先把音乐骨架一段段写出来的那一步，交给擅长并行的推理引擎调度；模型权重一直留在显存里，不再每个任务都装卸一遍；最后把骨架变成声音的那一步，允许把几个人的请求凑成一批一起算。

对外给的是一套异步任务接口，做的是音频处理这一段的活。另外还有个能在浏览器里用的网页工作台：提交任务拿到编号，过一会儿来取，音频和乐谱都能下载，中途想取消也行。作为实用软件，它装好就能跑；代码是开源的，模型权重却另有非商业用途的限制，这条后面说。

功能特点

快多少：两个数字

两组对比都在同一张 32 GB 显存的显卡上测得，而且是充分预热之后。一个人提交时，生成一秒音频要算的时间从 0.290 秒压到 0.173 秒，快 1.68 倍，一分钟的歌大约十秒算完；四个人同时提交时，整体从 0.317 压到 0.096，快 3.31 倍。

后者看的是排队时的整体效率：几个人排着，显卡一共花多少时间、换来多少秒的歌，0.096 差不多是一分钟的歌六秒。仓库里带了评测命令，可以自己连跑几轮复核。

快在哪：三处改动

前一半交给更会排队的推理引擎。
权重常驻显存，任务之间不再装卸。
后一半允许跨请求凑批；上一批在合成声音时，下一批的前一半已经提前开始算了。

默认配置下这些加速全开着，不用使用者动手改。服务空闲时显存占用约 18 GB，四路并发时峰值控制在 25 GB 以内。同一张卡现在能多跑三倍多的歌，不用为了多接几个人再去买卡，也不用干等。

音质没掉

加速最容易让人怀疑的，是拿音质换时间。这是 AI相关项目里最常见的担心，它用一套公开的音乐评测标准做了对照：一百九十二道题，每题生成两首，取两首里更差的那首来比。综合分从 6.7316 到 6.7623，人声相关的错误率从 8.44% 降到 8.18%，略微变好。快出来的时间不是靠少算几步换的。

接口与网页工作台

任务接口是异步的：提交后返回编号，之后查状态、取消、下载音频和乐谱各走各的地址。状态从排队、在跑，到成功、被截断、失败或被取消，中途能看见停在哪一步、各步花了多久。同样的请求带同一个幂等键，重复提交就返回原来那个任务。产物默认保留 24 小时，或者占满 5 GiB 就清理。

有一处自动让步值得说：请求里用到了原版才支持的采样强度，或者关掉了思维链，服务不硬撑，自己退回原来的执行路径跑完，不用人工干预。

网页工作台 Studio 是一个单页创作界面：填歌词与风格、切换作曲模式、预览乐谱、上传原曲翻唱、看实时进度、试听与下载，都在这一个页面上。密钥由使用者在浏览器里填，网关本身不保存。做 AI应用的人最在意能不能扛住几个人同时来，这套接口就是为这个设计的。

翻唱

翻唱默认开着：上传一首歌，另一个模型先把它转成不含和弦的旋律谱，YuE2 再照着给定的风格和歌词重新生成一遍，不克隆原唱的音色。转谱那套只在第一次翻唱时载入，平时不占显存；显存够就放显卡上算，不够就交给处理器，24 GB 的卡通常走后者，一首要几分钟，这段时间也算在任务超时里。系统里还得有 ffmpeg。

使用教程

先看硬件：要 Linux 系统、一张支持 BF16 运算的 N 卡、驱动支持 CUDA 12.8，Python 用 3.11 或 3.12。默认参数照 32 GB 显卡调；24 GB 的卡把并发数调小，或者关掉权重常驻。模型加解码器约 8 GB 磁盘。
安装：从 GitHub 上克隆仓库，建虚拟环境，先装与驱动配套的深度学习框架包，再装服务依赖，里面带了网页框架、服务容器与推理引擎。第一次启动会自动下载权重，想离线跑就把模型目录指到本地。
配置三项：接口密钥不少于 16 位、产物与任务库的存放目录、要用的显卡编号（写序号，别写设备编号）。
起服务：执行 yue2-serve，默认监听本机 8000 端口。启动时会依次载入推理引擎、音乐模型与解码器，还自动跑一遍预热，之后才是正常速度。加载期间就绪检查返回 503，好了才返回 200；接口文档在本机地址的 /docs 页。
网页工作台：另起一个进程，把上游指到 8000，默认开在 8016。
多张卡就一张卡起一个进程，分别设好显卡编号、端口和数据目录，前面用反向代理分流。别让多个进程共用一个数据目录，服务会给目录加进程锁。

使用感受

最实在的一点是它没动模型。很多人对「加速版」的担心是偷偷少算几步、拿音质换时间。这里把对照分数直接摆出来，连两首里更差的那首都比过了，综合分和人声错误率都略微变好。

另一处是它不硬撑。用到原版才有的采样强度、或者关掉思维链的请求，服务自己退回原来的路径跑完，不用人工判断；翻唱也一样，显存不够就退到处理器上，代价是一首多等几分钟，写在文档里。

在工具推荐里，肯把对照分数一起贴出来的项目不多。它也不是谁都能用：要 Linux 加一张不小的 N 卡，模型权重还是非商业许可，想拿它赚钱得先看条款。想要一个能把开源音乐模型跑得更快的开发者工具，它值得一试。

官方网站

GitHub：访问

下载地址

https://pan.quark.cn/s/4ff708057baa

https://www.guangyapan.com/s/1951479615364771901_aeWhI5wocgzRgCO6（光鸭新用户注册福利：永久免费空间：所有新用户注册即可解锁 2TB 永久免费存储空间，无需额外任务或付费）

YuE2-Turbo — 不改模型，只把音乐生成的速度提上去