HE
OSEMפשוט AWESOMEOpen Source, Engaged & Musical

שירים ממילים ואקורדים
על המחשב שלך

אולפן שלם סביב YuE2, מודל השירים הפתוח. כתוב את הסגנון ואת המילים, והנפחות מלחינה, שרה ומרנדרת את השיר על ה-⁠GPU שלך. השירים, המילים וההגדרות שלך לעולם לא יוצאים ממנו.

2.0.5 · כל שיא שלם, עץ המשפחה של הטייקים, והנפחות ב-⁠https · נובמבר 2026
היוצר ביום: טופס השיר, הטייק שאתה מאזין לו, וכל הטייקים היוצר בלילה
8 דק'שירים שלמים, עד שמונה דקות
135 sשיר של 6:12 על RTX 3090 אחד
6 דק'שיר של 4 דקות על Intel Arc Pro B50, 16 GB, 70 W (בטא)
7 חדריםליצור, לכתוב, ללטש, לצייר, לצלם, לשמור וללמד
200כלים שנוסו בשמיעה
12שפות ממשק

נפחות רוח היא יצירת מוזיקה פתוחה שרצה על החומרה שלך: המודל, הפרטיטורה, המתאמים וכל טייק נשארים שלך, ושום דבר לא מושכר לפי טוקן. מודלים פתוחים כבר טובים מספיק כדי לעמוד בזכות עצמם, ומה שחסר היה הנפחות שסביבם: אותה אנחנו בונים, בגלוי.

מוזיקה צריכה להיות חופשית ליצירה ולשיתוף: למי שאין קול, אין כלי ואין אולפן, עדיין יש הזכות לתת צליל למחשבות ולרגשות שלו.

שבעה חדרים, נפחות אחת

היוצר יוצר את השיר, הכותב כותב אותו עם מודל צ'אט, המלטש מלטש אותו, הצייר מצייר את התמונות שלו, הווידאוגרף מתכנן לו קליפ, הספרן שומר כל טייק, ומאמן LoRA מלמד את YuE2 את השירים שלך. מדריך לכל חדר נמצא בתוך הנפחות.

יוצריוצר

יוצר

סגנון, מילים, מצב תכנון, מפענח, LoRA על דרך מהירוק לאדום; הטייק עם הפרטיטורה שלו, הזרעים שלו וכל מה שצריך כדי ליצור אותו שוב.

כותבכותב

כותב

שירים כמסמכים עם גרסאות, פרופילי טקסט, ומודל צ'אט משלך (או OpenRouter) שכותב איתך טיוטות ומשכתב אותן.

מלטשמלטש

מלטש

ספקטרום, ארטיפקטים, אנטי-זמזום, בדיקת מילים עם Whisper, סטמים, רימאסטר, אפסקייל; שרשרת אחת מריצה את כולם.

ציירצייר

צייר

תמונות לשירים שלך מפרומפט משלך: ריבועית, רחבה וגבוהה מזרע אחד, מצוירות בידי Qwen-Image 2512; התמונה מתפתחת מול העיניים שלך, ותמונה ריבועית הופכת לעטיפה של הטייק. תצוגה מוקדמת.

הווידאוגרף: השוטים של הטייק על ציר הזמן מעל השיר שלוהווידאוגרף: השוטים של הטייק על ציר הזמן מעל השיר שלו

וידאוגרף

קליפ לטייק: השיר שלו חתוך לשוטים לפי השורות המושרות, הסצנות נכתבות עם הכותב, פריימי המפתח מצוירים בידי הצייר, והשוטים הנעים בידי MiniMax H3; ציר זמן לעריכה, מראה (3D LUT, גרעין), אנימטיק והקליפ. בטא.

ספרןספרן

ספרן

כל טייק במרחבים: לחפש אותו, לסמן אותו בלייק, לכתוב לו הערה, לנעול אותו, לתת לו עטיפה, לשלוח אותו ל-⁠DAW שלך; ופח שיודע להחזיר.

מאמן LoRAמאמן LoRA

מאמן LoRA

מתאמים מהשירים שלך: הסט, ההרצה, העקומות של שני החצאים עם הסבר, והאפוקים שכדאי לשמוע קודם.

שליף הכלים

השליף ♪

200 כלים שנוסו ונשפטו בשמיעה: מה YuE2 באמת מנגן, מה יוצא לו דק, ומה הוא לא מכיר.

המדריך מעל היוצר (F1)המדריך מעל היוצר (F1)

המדריך · F1

הנפחות כולה מוסברת בתוך הנפחות עצמה, במרחק מקש אחד: כל חדר וכל כפתור, מה הוא עושה והמספרים שמדדנו, בשתים עשרה שפות. נעשה בשביל שמחת היצירה, ולא בשביל שעות של חיפוש ברשת.

מה הופך אותה לאולפן

לא עוד מעטפת למודל: תחנת עבודה סביב המודל, פתוחה עד העצם, וכל שינוי ממוספר ומתועד.

  • שירים שלמים, עד שמונה דקות. שיר של 6:12 ב-⁠135 s; שיר של 7:25 עם הפרטיטורה קודם ב-⁠212 s, על RTX 3090 אחד.
  • קודם הפרטיטורה, והיא שלך לעריכה. YuE2 כותב את המנגינה והאקורדים ב-⁠ABC לפני שנשמע תו אחד: שנה אותם, העבר אותם לסולם אחר, הבא פרטיטורה או MIDI משלך, והשיר ילך אחריהם.
  • שני זרעים, לא אחד. שמור את השיר (זרע המוזיקה), ושמע אותו מרונדר מחדש (זרע הצליל).
  • צליל משלך. אימון LoRA על השירים שלך, בתוך הנפחות, ללא קוונטיזציה (bf16), עם טלמטריה שאומרת לך אילו אפוקים לשמוע קודם.
  • פוסט-פרודקשן, הכול מקומי. סטמים (BS-Roformer, htdemucs), אנטי-זמזום, רימאסטר, אפסקייל (UniverSR), בדיקת מילים עם Whisper.
  • אל ה-⁠DAW שלך (ניסיוני). פרויקט REAPER עם הסטמים, הפרטיטורה כ-⁠MIDI, הקטעים והמילים על ציר הזמן; DAWproject ל-⁠Waveform ול-⁠Bitwig.
  • מילים ששומרות על הקצב. הפעמות של כל שורה מול הסרגל של הקטע שלה: הברות לפי הכללים של כל שפה ושפה, והעיצורים שלוקחים פעמה משלהם; תגיות הקטעים מוצעות כשאתה מקליד "["; וסימני הטעמה שלא על תנועה מאותרים.
  • כותב שמכיר את המנוע. הסגנון כתגיות קצרות, החשובה ביותר קודם: כך YuE2 עוקב אחריו הכי טוב.
  • כמה כרטיסי GPU, כמה משימות. סינתזה על כרטיס אחד, אימון על האחרים; עם כרטיס אחד, הממשק אומר לך מה ממתין.
  • לסקריפטים ולסוכנים. API (OpenAPI 3.1) ושרת MCP על המחשב שלך וברשת שלך.
  • השפה שלך. הממשק כולו, והמדריך שלו, באנגלית, ברוסית, באוקראינית, בבלארוסית, ביוונית, בספרדית, באיטלקית, בצרפתית, בפורטוגזית, בגרמנית, ביפנית ובסינית; ובקרוב הממשק גם בעברית.
בבל בפרטיטורה: ההרצה נעצרה, ונאמר למה
בבל בפרטיטורה: נתפסה 15 s אחרי תחילת ההרצה

שומר מפני זבל

כשחצי המוזיקה כותב פרטיטורה שבורה (מתאמים שנדחפו רחוק מדי עושים את זה), המנוע עוצר את ההרצה לפני שנבנית עליה מוזיקה כלשהי, תוך שניות, ואומר למה: אילו מתאמים, כמה רחוק מעבר לגבולות שלהם, ומה נכתב.

העוצמות יושבות על דרכים מדודות; מתאמים שנערמים יחד חולקים תקרה מדודה.

העקומות של המאמן
העקומות של שני החצאים, עם הסבר

מאמן LoRA משלה

הנפחות מאמנת מתאמים בעצמה, על משקלי bf16 ללא קוונטיזציה. מול AI-Toolkit של Ostris על אותו סט, ההפסד של חצי המוזיקה תואם אפוק אחר אפוק בטווח של 0.015.

דרגה 16 על 148 שירים: 2.1 s לצעד ב-⁠12 GB. דרגה 32 על 42 שירים שלמים: 6.7 s לצעד ב-⁠18 GB.

עורך המילים: הפעמות של כל שורה מול הסרגל של הקטע שלה
הפעמות של כל שורה מול הסרגל של הקטע שלה

מילים ששומרות על הקצב

ליד כל שורה מוצגות הפעמות שלה, מול הסרגל של הקטע שלה: בית וגשר הם קבוצה אחת, קדם-פזמון ופזמון כל אחד בקבוצה משלו. הברה נספרת לפי הכללים של כל שפה, וגם עיצורים שלוקחים פעמה משלהם נכנסים לספירה; הפסקה או אינטרלוד בתוך קטע לא פותחים קבוצה חדשה.

הקלד סוגר מרובע פותח בתחילת שורה, ותגיות הקטעים יוצעו לך, כמו שעורך קוד מציע את המילים שלו. סימני הטעמה שלא יושבים על תנועה מאותרים; Ctrl+F מחפש רק בתוך השדה.

נפחות רוח ו-⁠SUNO, בכנות

כל שבוע יוצא סרטון שאומר שמודל כלשהו הורג את SUNO. זה לא מודל: זו נפחות שלמה סביב מודל, עם פיינטיון משלה. איפה היא מנצחת, ואיפה היתרון עדיין אצל SUNO, בלי לייפות.

נפחות רוח (YuE2)SUNO
איפה זה רץעל ה-⁠GPU שלך; השירים, המילים וההגדרות שלך לא יוצאים ממנו לעולם, ואחרי ההתקנה לא צריך אינטרנטהענן שלהם
כמה זה עולההחשמל: בלי קרדיטים, בלי מסלולים, בלי מכסות יומיותמנוי וקרדיטים
המודלYuE2 והפיינטיון שלנו, RS-FW, הגדול והפתוח הראשון: שני החצאים אומנו מחדש על 32,633 רצועות, כ-⁠1,800 שעות, וכל מילה שנאמרה להם פורסמהסגור; ממה הוא למד לא פורסם
הפרטיטורהנכתבת ראשונה, מוצגת, ניתנת לעריכה, שלך (ABC, MIDI); פיאנו רול על כל החלוןמוסתרת
המיליםמונה ליד כל שורה: הפעמות שלה מול הסרגל של הקטע שלה, הברות לפי הכללים של כל שפה; תגיות הקטעים מוצעות כשאתה מקליד סוגר מרובע פותחשדה טקסט; מילים שנכתבות בשבילך לפי בקשה
חזרה על טייקבדיוק: שני זרעים שאתה שומרלא
הנחיה (CFG)שתיים, בנפרד: המשיכה של הסגנון והאחיזה של המילים, לכל אחת CFG משלהכפתור Style Influence אחד
החלפת קטעהמילים שלו מושרות מחדש בין ההפסקות שהאוזן מוצאת, ושאר הטייק נשמר זהה עד לרמת הדגימה: התפר לא נשמע; כמה קטעים בבת אחתReplace Section: בניסויים שלנו כמעט אף פעם לא שמיש, התפרים נשמעים והקול משתנה
משפחת הטייקעץ משפחה: כל חיתוך, גרסה ויצירה מחדש שמהם הטייק בא, וכל מה שיצא ממנו, כל אחד עם צורת הגל שלו—
הספרייהמרחבים עם מדורים, שש עשרה תגובות, הערות, הגנה ופח שמחזיר, חיפוש עם תווים כלליים ו"לא", סטים עיוורים להאזנה כנה, עלון ודרכון לכל טייקמרחבים, לייקים ופלייליסטים
השוואת טייקיםעד שתים עשרה גרסאות בנגן אחד מאותה שנייה, עם השמות או בהאזנה עיוורת, בעוצמה שווה, מיושרות לפי הצליל שלהן עצמן—
הצליל שלךאימון LoRA על השירים שלך, בנפחותאין אימון; עם Personas אפשר להשתמש שוב בקול ובסגנון של שיר
מה ש-⁠YuE2 לא יכול לנגןתזמורת MIDI לפי הפרטיטורה של הטייק עצמו (ערכות SFZ, ו-⁠Pianoteq אם הוא ברשותך), וטבע שמונח מתחת לשיר: אש, גשם, נהרות, ציפורים—
הכלים שלךבונה הבנקים הופך הקלטות של כלי אחד (דודוק, שופר) לבנק SFZ: קולות, צעקות וכלים אחרים מזוהים בהאזנה ומסולקים, התווים נמצאים קליד אחר קליד, מכוונים ומקבלים נקודות לופ; ב-⁠DAW הבנק מתנגן מתחת לשיר כמצע, כדרון בסולם של השיר או כקו MIDI—
כל שיא שלםשום חיתוך ביציאה: זנבות ריוורב ארוכים והשקט נשארים שלמים; עץ המשפחה מראה איפה החיתוך הישן היה נוגסמגיע כבר אחרי מאסטרינג (בזירה שלנו: −15.5 LUFS, −3.4 dBTP)
אחרי הרינדורסטמים, אנטי-זמזום, רימאסטר, אפסקייל, בדיקת מילים ומאסטר לפי יעד עוצמת שמע (Spotify −14, Apple Music −16, CD −9), הכול מקומיסטמים ורימאסטר, בענן
מיקסרDAW במלטש: רצועות עם EQ, גייט, קומפרסור, רוחב ושליחות, אוטומציה, סמנים, והצליל של רצועה נשמר כפריסטSuno Studio, בדפדפן, במסלול העליון
לראות את הצלילהספקטרוגרמה של הטייק כולו מעל הנגן, מסונכרנת עם צורת הגל שלו: הקטעים, הבהירות והעוצמה, הספקטרום והתו שמתחת לסמןצורת גל
תמונות ווידאוהצייר מצייר את העטיפה, את ה-⁠16:9 ואת ה-⁠9:16 לפי המילים שלך; הווידאוגרף מתכנן את הקליפ, מצייר את פריימי המפתח שלו ונותן לו לוק (3D LUT, גרעין, וינייטה)תמונת עטיפה
ייצוא ל-⁠DAWפרויקט REAPER עם הפרטיטורה, הקטעים והמילים (ניסיוני)סטמי אודיו
סקריפטים וסוכניםAPI (OpenAPI 3.1) ושרת MCP, על המחשב שלך וברשת שלךאין API ציבורי
מקור התוכןאישורי תוכן (C2PA) חתומים בתוך כל הורדה, על שמך, אם תרצה—
הקודפתוח (AGPL), כל שינוי ממוספר ומתועדסגור
הממשקשבעה חדרים בדף אחד, בשתים עשרה שפות ובקרוב גם בעברית; חלונית עזרה על כל פקד ומדריך בכל חדר; הנגן והטייקים בכל חדר; קיצורי מקשים לפעולות נפוצות; אפשר להתקין כאפליקציהאפליקציית ווב ואפליקציות לנייד
ליטוש מהקופסהפחות: מיקס יכול לזמזם (אנטי-זמזום עוזר), המילים יכולות לסטות (בדיקת המילים מוצאת איפה), ויש כלים ש-⁠YuE2 מנגן בצליל דק או לא מנגן בכלל (אפשר ללמד אותם עם LoRA)יותר
מה צריךGPU של NVIDIA (24 GB להכול בדיוק מלא; 12–16 GB ו-⁠8 GB עם עותקים קטנים יותר), Linux, 34–41 GB של מקום בדיסקדפדפן

"—": לא מצאנו דבר כזה, ביותר מחצי שנה על המסלולים בתשלום של SUNO. SUNO משתנה מהר; הטבלה נכונה לנובמבר 2026.

הזירה: YuE2 מול SUNO v6 ו-⁠Musicful

עשרים כרטיסים, בכל אחד שורת סגנון ומילים, שנשלחו בלי שינוי לכל צד. SUNO v6 ו-⁠Musicful V3 כפי שהשירותים שלהם מספקים אותם; שלנו גולמיים מהמנוע, שהושרו מחדש בנובמבר עם כל שיא שלם: ה-⁠YuE2-3B המקורי, הפיינטיון שלנו RS-FW בשלוש נקודות שמירה שלו, ו-⁠RS-TW 2.0. כאן כל קובץ מתנגן באותה עוצמה, כך שאף אחד לא מנצח רק כי הוא חזק יותר. לחץ על שם כדי להאזין; שם אחר על אותו כרטיס ממשיך מאותה שנייה.

RS-TW 2.0 הוא הפיינטיון השני שלנו: האפוק 2.0 שלו, ממוזג על גבי RS-FW 2.4 בשתי עוצמות, ×0.75, האיזון הבטוח, ו-⁠×0.9, טקטוני יותר, בלי הבטחה ליציבות. מהצד שלנו יש שני זרעים לכל כרטיס, שניהם כאן, ואף אחד מהם לא הועדף על פני השני: המתג בנגן נותן את זרע 1 או את זרע 2 ושומר עליו מכרטיס לכרטיס, והממוצעים בטבלה כוללים את שניהם.

01 בלדת רוק ru
02 סינת'-פופ ru
03 פולק-פופ עם בנדורה uk
05 גוספל en-US
07 בריטפופ, מבטא בריטי en-UK
08 ליקוויד דראם אנד בייס en-UK
09 דריל שיקגו en
10 בלוז שיקגו en
11 שאנסון, ואלס fr
13 פופ-אופרה, טנור it
15 רבטיקו, בוזוקי el
17 J-pop, פתיח של אנימה ja
18 סיטי פופ ja
19 בלדה במנדרינית zh
20 פולק פיוז'ן סיני zh
21 פאדו pt-PT
22 בוסה נובה pt-BR
23 סמבה pt-BR
24 דודוק, המגרש הביתי שלנו ru
25 אינדסטריאל מטאל ru
נמדד גולמי, הממוצעיםSUNO v6Musicful V3YuE2‑3Bנפחות רוח (RS-…): פיינטיונים של YuE2 3B
FW 0.7FW 1.5FW 2.4TW 2.0 ×0.75TW 2.0 ×0.9
שגיאת Whisper במילים, על המיקס, % ⁠↧23.119.520.019.924.821.823.026.1
שגיאת Whisper במילים, על הקול המופרד, % ⁠↧27.418.921.624.831.128.829.533.7
חול בשקט, 6–16 kHz, dB ⁠↧-15.7-14.8-17.6-18.1-17.3-17.3-17.9-17.5
טונים עומדים אקראיים ⁠↧2.21.94.332.02.272.232.151.6
זמזום ה-⁠25 Hz של המפענח בגבוהים, dB ⁠↧8.38.011.411.611.611.511.611.1
קליקים ⁠↧33.433.827.731.935.334.734.532.8
רצפי קליפינג ⁠↧0.00.00.00.00.00.00.00.0
רצפת הרעש, העשירית השקטה ביותר, dBFS ⁠↧-26.6-25.2-27.7-27.6-27.0-26.6-27.1-28.2
הקצה העליון של הספקטרום, kHz ⁠↥17.915.315.814.814.915.115.214.7
תדר הדעיכה 95%, kHz ⁠↥2.52.62.22.12.22.01.71.7
חלק הסאב 20–60 Hz, dB ⁠↥-8.6-10.2-10.0-9.6-9.9-10.4-10.0-9.8
עוצמה כפי שנמסרה, LUFS ⁠→ ⁠−14-15.5-14.3-14.5-14.7-14.7-14.4-14.6-14.8
שיא אמיתי כפי שנמסר, dBTP ⁠→ ⁠−1.0-3.4-0.5-0.2-0.2-0.1-0.2-0.3-0.1
חלק הבס 60–150 Hz, dB ⁠↥-6.0-5.6-4.3-4.8-4.5-4.5-4.4-4.8
חלק אזור הנוכחות 2–5 kHz, dB ⁠↥-17.1-16.6-16.0-16.3-16.2-16.2-17.3-16.9
פקטור שיא, dB ⁠↥14.415.716.516.516.616.316.216.6
טווח עוצמה, LU ⁠↥5.96.27.16.66.56.46.67.1
פיזור עוצמה p95−p10, dB ⁠↥9.49.011.510.810.410.310.811.7
פיזור הפס הנמוך p95−p10, dB ⁠↥23.320.021.921.120.619.722.022.6
קורלציית סטריאו בתדרים האמצעיים ⁠↥0.670.690.750.770.730.740.770.76
אורך, s ⁠↥156.8154.5148.6148.1154.8151.9152.8149.7

ראשון · שני · שלישי מתוך השמונה בכל שורה, הראשון גם מודגש; ↥ גבוה יותר עדיף, ↧ נמוך יותר עדיף, → הקרוב ביותר לערך המוצג, ובשיא האמיתי הקרוב מלמטה. תאים שמציגים אותו מספר צבועים באותו צבע.

לכל צד מאזין Whisper large-v3 על RTX 3090, למיקס ולקול כאחד: שורת ה-⁠Whisper הראשונה על המיקס, השנייה על הקול המופרד, שבו BS-Roformer מפריד מהמוזיקה את כל הקולות של הטייק, הקול הראשי, קולות הרקע והמקהלה יחד, ולעולם לא את הקול הראשי לבדו. בלי המוזיקה Whisper מאבד לפעמים שורות שלמות של השיר וכותב בהפסקות מילים שאיש לא שר, אצל כל צד, ולכן כדאי לקרוא את שתי השורות יחד.

FW ו-⁠TW הם שמות הקוד של שני הפיינטיונים שלנו ל-⁠YuE2 3B: First Wave ו-⁠Tsunami Wave. ה-⁠Tsunami Wave אומן על 109,250 רצועות, כ-⁠6,650 שעות: 66.7% מהשעות אינסטרומנטל, 31.6% שירה, 1.8% דיבור. השפות של הקולות: אנגלית (7.0% מהשעות), רוסית (5.8%), עברית (1.7%), יוונית ואוקראינית (0.6% כל אחת), צרפתית וספרדית (0.5% כל אחת), פורטוגזית (0.3%), איטלקית (0.2%) ועוד ארבע עשרה שפות, מתחת ל-⁠0.1% כל אחת; ב-⁠15.9% מהשעות נשמע קול שהשפה שלו לא זוהתה.

הטייקים שלהם מגיעים אחרי מאסטרינג, ושלנו גולמיים, ברמה של המפענח עצמו וכל שיא בהם שלם: העוצמה נשארת למאסטרינג, וזה תפקידו של מלטש הנפחות. זרעים אחרים ופרומפטים אחרים נשמעים אחרת אצל כל צד; הזירה מראה את האיכות ואת הפיזור, לא דירוג סופי. הטבלה המלאה ואיך היא נמדדה: כרטיס המודל.

אוצרות המילים של ה-⁠Tsunami Wave ושל הגל הראשון

כל מילה שנאמרה לשני הפיינטיונים שלנו, ספורה וזמינה לחיפוש: 109,250 רצועות האימון של ה-⁠Tsunami Wave ו-⁠32,633 הרצועות של הגל הראשון לפניו. ז'אנרים, כלים, קול, מילות הרגש שהשמע עצמו קיבל, סולמות ו-⁠BPM, והסולמות שהפרטיטורות עצמן כותבות. מעט פיינטיונים מפרסמים מה נאמר למודל שלהם.

מה הספקטרום אומר

הזירה במדידה ולא בהאזנה: 280 טייקים, 40 לכל אחד מששת הצדדים שלנו, 20 של SUNO v6 ו-⁠20 של Musicful V3. כל טייק הובא קודם לרמה של −14 LUFS, כך שהעוצמה לא מקנה שום יתרון, וכל עקומה היא הרמה של הטייק עצמו, פס אחר פס, ביחס להספק הכולל של אותו טייק: רק הצורה מושווית. שלנו הם הפלט הגולמי של המנוע, ושלהם מגיעים אחרי מאסטרינג, כך שחלק מהפערים שלהלן הם של המאסטרינג.

הספקטרום הממוצע ב-1/3 אוקטבה של שמונת הצדדים של הזירה, מ-20 Hz עד 20 kHzהספקטרום הממוצע ב-1/3 אוקטבה של שמונת הצדדים של הזירה, מ-20 Hz עד 20 kHz

עקומה אחת, עד האוקטבה האחרונה

מ-⁠100 Hz עד 10 kHz העקומות הממוצעות של כל שמונת הצדדים נשארות בטווח של 5.2 dB זו מזו. מעל 16 kHz הן נפרדות. ב-⁠38 מתוך 40 הטייקים שלו, Musicful V3 לא מחזיק שום דבר מעבר ל-⁠16 kHz: ב-⁠20 kHz הממוצע שלו עומד על −90.6 dB, קיר במקום שבו לאחרים יש מדרון. SUNO v6 שומר שם למעלה הכי הרבה, −31.0 dB בתחום 16–20 kHz; שלנו עומדים על −39.3 עד −42.3 dB, וגם הם נעצרים פה ושם ב-⁠16 kHz, ב-⁠1 עד 6 טייקים מתוך 40, הכי הרבה פעמים אצל RS-TW 2.0 ×0.9.

פס האוויר (8–16 kHz) והפס העליון (16–20 kHz) של כל צד, ב-dB ביחס להספק של הטייקפס האוויר (8–16 kHz) והפס העליון (16–20 kHz) של כל צד, ב-dB ביחס להספק של הטייק

האוויר: אצלם בהיר יותר ב-⁠2.3 עד 4.6 dB

בפס האוויר, 8–16 kHz, SUNO v6 עומד על −19.4 ו-⁠Musicful V3 על −19.6 dB מההספק של הטייקים שלהם, ששת הצדדים שלנו על −21.8 עד −24.0 dB. מאסטרינג מרים בדרך כלל את האוויר, ושלנו לא עברו מאסטרינג כלל: בנפחות זה תפקידו של המלטש, אחרי שהשיר כבר הושר.

פקטור שיא ב-dB וטווח עוצמה ב-LU לכל צד: הממוצע והטווח מהאחוזון ה-10 עד ה-90פקטור שיא ב-dB וטווח עוצמה ב-LU לכל צד: הממוצע והטווח מהאחוזון ה-10 עד ה-90

שיאים וטווח: שלנו נושמים רחב יותר

פקטור שיא, השיא מעל הממוצע: 14.4 dB אצל SUNO v6, 15.7 dB אצל Musicful V3, ו-⁠16.2 עד 16.6 dB אצלנו. טווח עוצמה: 5.9 ו-⁠6.0 LU אצלם, 6.4 עד 7.0 LU אצלנו. RS-TW 2.0 ×0.9 הוא הרחב ביותר מבין הפיינטיונים שלנו, 16.6 dB ו-⁠7.0 LU, רחב כמו YuE2-3B המקורי (16.5 dB, 7.0 LU): הטקטוניקה שלו, במספרים. ×0.75 מהודק יותר, 16.2 dB ו-⁠6.6 LU.

הספקטרום ב-1/3 אוקטבה של תהילים 22 ביוונית בארבע עוצמות של ה-Tsunami Waveהספקטרום ב-1/3 אוקטבה של תהילים 22 ביוונית בארבע עוצמות של ה-Tsunami Wave

ארבע עוצמות, מזמור אחד

הסט העיוור: שנים עשר כרטיסים שהושרו בארבע עוצמות של ה-⁠Tsunami Wave מעל RS-FW 2.4, עם אותו זרע בכל עוצמה. בתהילים 22 ביוונית, המעבר מ-⁠×0.75/0.75 ל-⁠×0.8/0.8 הוציא 36 dB מהסאב-בס, 20–60 Hz, מרמה של −7.9 לרמה של −44.3 dB: הקרקע נשמטה מתחת לשיר. על פני שנים עשר הכרטיסים התנודה מתונה יותר, הסאב-בס עומד על −8.5 dB ב-⁠×0.75/0.75 ועל −10.4 עד −11.0 dB בשלוש האחרות, ו-⁠×0.75/0.75 הוא הקרוב ביותר לעקומת החציון של הזירה עצמה ב-⁠6 כרטיסים מתוך 12, במרחק ממוצע של 4.1 dB לעומת 4.8 עד 5.2 dB. לכן ×0.75 הופך לברירת המחדל של הנפחות ב-⁠2.0.6, ו-⁠×0.9 לזה שאינו מבטיח יציבות.

נמדד בקוד משלנו על ה-⁠CPU: פסי 1/3 אוקטבה מספקטרום Welch, עוצמת השמע והטווח שלה לפי ITU-R BS.1770-4 ו-⁠EBU Tech 3342. כל תמונה נפתחת מוגדלת בלחיצה.

מה הסטריאו אומר

280 הטייקים של הזירה, במדידת רוחב. בכל אחד מארבעה פסים, אות הצד, חצי ההפרש בין שני הערוצים, מוצב מול אות האמצע, חצי הסכום שלהם: ככל שאות הצד גבוה יותר מעל אות האמצע ב-⁠dB, הפס נשמע רחב יותר, ולטייק במונו אין אות צד בכלל. הפנורמה היא עד כמה הפרש הרמות בין הערוץ השמאלי לערוץ הימני מתנדנד לאורך טייק, מהאחוזון ה-⁠5 שלו עד ה-⁠95, ב-⁠dB. כל מספר הוא החציון של הטייקים של צד אחד, 20 אצל SUNO v6 ואצל Musicful V3, 40 אצל כל אחד משלנו. רחב יותר אינו טוב יותר כאן, רק רחב יותר: בטבלה הזאת אין מקומות.

−20−16−12−8−4dB20–200 Hz0.2–2 kHz2–8 kHz8–20 kHz
  • SUNO v6
  • Musicful V3
  • YuE2-3B
  • RS-FW 0.7 · 1.5 · 2.4
  • RS-TW 2.0 ×0.75
  • RS-TW 2.0 ×0.9

אות הצד ביחס לאות האמצע בארבעה פסים, dB, חציוני הטייקים של כל צד: ככל שגבוה יותר, כך רחב יותר.

נמדד גולמי, החציוניםאות הצד ביחס לאות האמצע, dBפנורמה, dB
בס
20–200 Hz
אמצעיים
0.2–2 kHz
גבוהים
2–8 kHz
אוויר
8–20 kHz
SUNO v6−12.5−7.0−6.8−9.66.4
Musicful V3−13.0−7.2−5.9−7.96.6
YuE2-3B−17.4−8.2−7.9−10.66.4
RS-FW 0.7−17.2−8.5−7.3−10.95.9
RS-FW 1.5−17.4−7.5−6.6−10.26.3
RS-FW 2.4−16.5−8.0−7.9−11.26.4
RS-TW 2.0 ×0.75−19.0−8.1−7.9−11.66.0
RS-TW 2.0 ×0.9−20.1−8.9−8.2−12.05.9

המיזוגים שלנו שומרים את האמצעיים ואת הגבוהים במקום שבו YuE2-3B המקורי מחזיק אותם, ואף ערך אינו רחוק ממנו ביותר מ-⁠1.3 dB. RS-TW 2.0 צר מעט יותר בקצוות: ×0.75 ב-⁠1.6 dB בבס, ב-⁠1.0 dB באוויר וב-⁠0.4 dB בפנורמה, ×0.9 ב-⁠2.7, ב-⁠1.4 וב-⁠0.5 dB. SUNO v6 ו-⁠Musicful V3 פותחים את הבס רחב יותר מ-⁠YuE2-3B המקורי ב-⁠4.9 וב-⁠4.4 dB.

לאוזן של ויקטור הקצוות הצרים יותר של RS-TW 2.0 נשמעים יציבים יותר, ולא כמו סטריאו שאבד: YuE2-3B המקורי משאיר לא פעם גיטרה תקועה בערוץ אחד למשך 15 עד 20 שניות.

נמדד בקוד משלנו על ה-⁠CPU: ספקטרום לזמן קצר של 4096 נקודות כל 50 ms על פני 240 השניות הראשונות של כל טייק, האמצע והצד כ-⁠M = (L+R)/2 ו-⁠S = (L−R)/2, הפנורמה מתוך הפרש הרמות בין הערוצים ב-⁠200 Hz – 8 kHz, ברגעים שבטווח 40 dB מהרגע החזק ביותר בטייק.

מה צריך

המחשב

  • כרטיס NVIDIA: 24 GB כדי שהכול ירוץ בדיוק מלא; על 12–16 GB ועל 8 GB הנפחות רצה עם עותקים קטנים יותר (הווידאוגרף צריך 24 GB)
  • Linux (נבנתה על Ubuntu 24.04, CUDA 12.8)
  • כ-⁠34–41 GB בדיסק, לפי מדידות על התקנות טריות: התוכנה וה-⁠Python שלה (17 GB), המודלים (17 עד 24 GB לפי הכרטיס; fetch-models.sh מוריד, מצמיד ובודק אותם); המודלים של הצייר עוד 39–43 GB, סטי ה-⁠💎 5.6 GB, כל אחד רק כשתבקש

המסך

  • בנויה לחלון דפדפן של 1920×1080 ב-⁠100 %
  • האידיאל: 2K (2560×1440), 22″ או יותר, 16:9 או רחב יותר
  • שתי ערכות נושא לשעות ארוכות של יצירה: Scroll & Brick ביום, Scroll by Lamplight בלילה, ועוד 20

אופציונלי

  • שרת צ'אט לכותב (vLLM, LM Studio, Ollama) או מפתח OpenRouter
  • DAW: REAPER, Waveform 14+, Bitwig
  • כרטיסי GPU נוספים: אימון ומשימות המעבדה לצד השירים

לא לכרטיסי GPU חינמיים בענן. נפחות רוח לא רצה ב-⁠Google Colab, ב-⁠Kaggle או בשום GPU חינמי של מחברות, אז אל תבזבז שם ערב: זה אולפן שלם, לא מחברת. היא בונה את המנוע שלה ב-⁠C++/CUDA על המחשב שבו היא חיה, מריצה לצדה שרת ומעבדה של שירותי Python, ותופסת כ-⁠34–41 GB בדיסק (74–84 GB עם הצייר). הכרטיס, הזיכרון, הדיסק שנמחק ומגבלת השעות של סשן חינמי לא יעמדו בזה. היא צריכה מחשב Linux משלך, או שרת שכור שנשאר שלך, עם כרטיס NVIDIA: 24 GB לכל דבר, 16 GB עם העותקים הקטנים יותר של המודל.

מה הנפחות מורידה

נמדד קובץ אחר קובץ מול הרשימות המוצמדות של מאגרי הנפחות ועל הדיסק של התקנה טרייה (1 GB = 10⁹ בתים). ההתקנה מביאה את היוצר, את הספרן ואת שרשרת המלטש; כל חדר אחר מגיע רק כשתבקש, מתוך Engine → Models and LoRAs → By room, ושם המקום הפנוי בדיסק נמדד קודם, ושום דבר שלא ייכנס לא יורד.

כרטיס 24 GBכרטיס 12–16 GBכרטיס 8 GB
התוכנה והמנוע שלה, שנבנה כאן (0.2 GB בהורדה)0.9 GB0.9 GB0.9 GB
שתי סביבות ה-⁠Python שלה, ובכל אחת PyTorch ל-⁠CUDA 12.8 (8.7 GB בהורדה)16.5 GB16.5 GB16.5 GB
YuE2 והפיינטיון של נפחות רוח עצמה, בקוונט המתאים לכרטיס14.9 GB8.2 GB8.2 GB
השאר: עוד שני מפענחים, המתעתק, Whisper, מודלי הסטמים, UniverSR ו-⁠Apollo-vocal, ה-⁠LoRA8.8 GB8.8 GB8.8 GB
ההתקנה41.1 GB34.4 GB34.4 GB
+ כותב: מודל השפה שלו דרך llama.cpp7.4 GB7.4 GB6.2 GB
+ מלטש: MuScriptor ו-⁠FlashSR6.1 GB6.1 GB6.1 GB
+ צייר: מודלי העזר שלו ו-⁠Qwen-Image 2512 (Q6 ב-⁠24 GB, Q4 מתחת לזה)42.9 GB39.3 GB39.3 GB
+ וידאוגרף: MiniMax H3 ו-⁠SeedVR286.3 GBדורש 24 GBדורש 24 GB
+ מאמן LoRA: הבסיס שלו ומאזין הסגנון20.2 GB16.3 GB12.9 GB
כל החדרים204.0 GB103.5 GB98.9 GB

רק כשתבקש אותם בשמם: מנועי הצליל האחרים (מיזוגי IRA, IRAE ו-⁠RS-FW, 35 עד 86 GB לפי הקוונט), המתאמים של הצייר (7.5 GB) והפיינטיונים שלו (20.4 GB כל אחד), כל הרמות של MiniMax H3 (201 GB) או BF16 (478 GB), מרחבי ה-⁠💎 (5.6 GB). לא נספרים: הדרייבר של NVIDIA וה-⁠CUDA toolkit, Pianoteq (אותו אתה קונה בעצמך), הטייקים שלך.

מה הלאה

2.0.5 היא הנפחות שבה אנחנו יוצרים את השירים שלנו בכל יום. אלה החלקים הגדולים שבדרך, ל-⁠2.1.0 ואחריה.

  • שירים שנערכים כפי שהמודל כותב אותם. טייק שמוארך מכל רגע; קטע שנכתב מחדש, שומר על הקול, הסולם והתיבות של שכניו ומתחבר בטוקנים של המודל עצמו; שכבה אינסטרומנטלית על הפרטיטורה של הטייק עצמו.
  • ה-⁠DAW, צעד קדימה. רצועת אקורדים ורשת פעמות מעל הטייק, רפרנס שנלקח מכל טייק, ופיאנו רול שכותב לפרטיטורה את מה שאתה מנגן במקלדת ה-⁠MIDI שלך.
  • הווידאוגרף, צעד קדימה. מילות השיר על הקליפ, מילה אחר מילה כפי שהן מושרות, וצבע אחד לכל הסצנות שלו.
  • הגל הבא של הפיינטיון שלנו. מאומן על מה ש-⁠YuE2 שר הכי גרוע, ועובר האזנה עיוורת לפני שהוא יוצא.
  • פלאגינים נייטיב ל-⁠REAPER, ל-⁠Waveform ול-⁠Bitwig, כשהנפחות תמצא את האנשים שלה.

רישיונות

הקוד

  • GNU AGPL, גרסה 3 ואילך: כל אחד רשאי להשתמש בו, ללמוד אותו, לשנות אותו ולהעביר אותו הלאה, ו-⁠fork נשאר פתוח, עם קוד המקור שלו.

השם והגרפיקה

  • הלוגו, השם "נפחות רוח", והאודיו והתמונות שמתפרסמים איתם: CC BY-NC-ND 4.0.

המודל

  • המשקלים של YuE2 הם CC BY-NC 4.0. הרישיון שלהם מדבר על המשקלים, לא על השירים שנוצרים בעזרתם: קרא אותו לפני שאתה מוכר.

על מה הנפחות עומדת

  • YuE2 ו-⁠MERT-v2 מאת m-a-p: המודל
  • yue2.cpp מאת ServeurpersoCom: מנוע ה-⁠C++ מעל ggml, שהועבר לכאן עם פאצ'ים משלו
  • YuE2 Kit מאת IronWolve: הבסיס של הדף ושל הסקריפטים
  • AI-Toolkit מאת Ostris: קוד ה-⁠YuE2 של המאמן הועבר ממנו
  • Mothersuperior: ראש הטוקנייזר של realaudio ומיזוג ה-⁠VAE
  • Qwen2.5-Omni (המאזין), Whisper (בדיקת המילים), BS-Roformer ו-⁠htdemucs (סטמים), UniverSR (אפסקייל)
  • Qwen-Image 2512 מאת Qwen, עם Lightning מאת lightx2v: העטיפות
  • YuE2 Studio: בודק הפרטיטורה; GTSinger: קולות לאימון

סיפור קטן

ויקטור ז'ורומסקי, מחבר נפחות רוח, לא מפרסם אותה בשביל ההייפ. הוא יצר אותה בשביל עצמו. אחרי יותר מחצי שנה של התמודדות עם Suno במסלולים בתשלום, ושל חיפושים אחר מודל ראוי (ACE-Step, MiniMax ואחרים), הוא יצא לבנות אולפן אודיו משלו, על המחשב שלו. הבחירה נפלה על YuE2: מכל המודלים הפתוחים, הוא המשתלם ביותר והמעודן ביותר.

את הנפחות הוא לא הרכיב כלאחר יד, רק כדי שיהיה משהו שרץ. הוא בנה אותה בדרך שלו, כי גם היצירה שלו היא שלו, מעודנת ויחידה במינה: התרגומים שלו, הטקסטים הבין-שוריים שלו ועוד הרבה. הוא הכניס לתוכה כמה שיותר, ליטש את הממשק ככל שיכול, והפך את היצירה בה מגישושים ולחיצות בין קביים ובורות לדבר פרודוקטיבי ככל האפשר.

זה כל הסיפור. עכשיו הנפחות היא גם שלך.