RU
OSEMПросто AWESOMEOpen Source, Engaged & Musical

Песни из слов и аккордов
на твоей собственной машине

Целая Студия вокруг YuE2, открытой модели песен. Пишешь стиль и текст, а Студия сочиняет, поёт и сводит песню на твоей собственной видеокарте. Твои песни, слова и настройки никогда её не покидают.

2.0.5 · каждый пик цел, родословная семплов и Студия по https · ноябрь 2026
Творец днём: форма песни, семпл, который ты слушаешь, и все семплы Творец ночью
8 минцелые песни, до восьми минут
135 спесня в 6:12 на одной RTX 3090
6 минпесня в 4 минуты на Intel Arc Pro B50, 16 ГБ, 70 Вт (бета)
7 комнатсочинять, писать, гранить, рисовать, снимать, хранить и учить
200инструментов, проверенных на слух
12языков страницы

Руах Студия — открытая генерация музыки на твоём собственном железе: модель, партитура, адаптеры и каждый семпл остаются твоими, и ничего не сдаётся в аренду по токенам. Открытые модели уже достаточно хороши, чтобы стоять на своих ногах, а не хватало Студии вокруг них: её мы и строим, открыто.

Музыку должно быть свободно создавать и делиться ею: у того, у кого нет голоса, инструмента и Студии, всё равно есть право положить свои мысли и чувства на звук.

Семь комнат, одна Студия

Творец делает песню, Писатель пишет её вместе с чат-моделью, Огранщик доводит её, Художник рисует её картинки, Видеограф готовит ей клип, Библиотекарь хранит каждый семпл, а Тренер LoRA учит YuE2 твоим собственным песням. Руководство по каждой комнате — внутри Студии.

ТворецТворец

Творец

Стиль, текст, режим планирования, декодер, LoRA на дороге от зелёного к красному; семпл с его партитурой, сидами и всем, чтобы сделать его снова.

ПисательПисатель

Писатель

Песни как документы с версиями, текстовые профили и твоя собственная чат-модель (или OpenRouter), которая набрасывает и правит вместе с тобой.

ОгранщикОгранщик

Огранщик

Спектр, артефакты, антигул, проверка текста через Whisper, стемы, ремастер, апскейл; одна цепочка запускает их все.

ХудожникХудожник

Художник

Картинки для твоих песен по твоему собственному промпту: квадратная, широкая и высокая из одного сида, рисует Qwen-Image 2512; картинка проявляется на глазах, а квадратная становится обложкой семпла. Ранний показ.

Видеограф: кадры семпла на таймлайне над его песнейВидеограф: кадры семпла на таймлайне над его песней

Видеограф

Клип к семплу: песня нарезана на кадры по спетым строкам, сцены пишутся с Писателем, ключевые кадры рисует Художник, движущиеся — MiniMax H3; таймлайн для монтажа, облик (3D LUT, зерно), аниматик и клип. Бета.

БиблиотекарьБиблиотекарь

Библиотекарь

Каждый семпл в пространствах: найден, оценён, с заметкой, под замком, с обложкой, отправлен в твою DAW; корзина, которая возвращает.

Тренер LoRAТренер LoRA

Тренер LoRA

Адаптеры из твоих собственных песен: набор, запуск, кривые обеих половин с объяснением, эпохи, которые стоит послушать первыми.

Шпаргалка инструментов

Шпаргалка ♪

200 инструментов, проверенных и оценённых на слух: что YuE2 действительно играет, что звучит у неё жидко и чего она не знает.

Гайд поверх Творца (F1)Гайд поверх Творца (F1)

Гайд · F1

Вся Студия объяснена внутри самой Студии, на расстоянии одной клавиши: каждая комната и каждая ручка, что она делает и какие цифры мы намерили, на двенадцати языках. Сделано для радости творить, а не для многочасовых поисков в интернете.

Почему это Студия

Не очередная обёртка над моделью, а мастерская вокруг неё: открытая до костей, каждое изменение пронумеровано и описано.

  • Целые песни, до восьми минут. Песня в 6:12 за 135 с; песня в 7:25 с партитурой сначала за 212 с, на одной RTX 3090.
  • Сначала партитура, и править её тебе. YuE2 пишет мелодию и аккорды в ABC прежде, чем прозвучит хоть одна нота: меняй их, транспонируй, приноси свою партитуру или MIDI, и песня пойдёт за ней.
  • Два сида, а не один. Оставь песню (музыкальный сид) и услышь её отрисованной заново (звуковой сид).
  • Твой собственный звук. Обучение LoRA на твоих собственных песнях, прямо в Студии, без квантизации (bf16), с телеметрией, которая подскажет, какие эпохи слушать первыми.
  • Постпродакшн, весь локально. Стемы (BS-Roformer, htdemucs), антигул, ремастер, апскейл (UniverSR), проверка текста через Whisper.
  • В твою DAW (экспериментально). Проект REAPER со стемами, партитурой в MIDI, секциями и текстом на таймлайне; DAWproject для Waveform и Bitwig.
  • Лирика, которая держит такт. Доли каждой строки против линейки её раздела: слоги по правилам каждого языка и согласные, что берут свою долю; теги разделов подсказываются, пока набираешь «[»; ударения мимо гласной находятся.
  • Писатель, который знает движок. Стиль короткими тегами, самое важное первым: так YuE2 следует лучше всего.
  • Несколько видеокарт, несколько задач. Синтез на одной карте, обучение на других; с одной картой страница скажет, что ждёт.
  • Для скриптов и агентов. API (OpenAPI 3.1) и MCP-сервер на твоей машине и в твоей сети.
  • Твой язык. Вся страница и её гайд — на английском, русском, украинском, белорусском, греческом, испанском, итальянском, французском, португальском, немецком, японском и китайском.
Вавилон в партитуре: запуск остановлен, и сказано почему
Вавилон в партитуре: пойман через 15 с после старта

Сторож от мусора

Когда музыкальная половина пишет сломанную партитуру (так бывает с адаптерами, выкрученными слишком сильно), движок останавливает запуск прежде, чем на ней построится хоть какая-то музыка, за секунды, и говорит почему: какие адаптеры, насколько они вышли за свои пределы, что было написано.

Силы стоят на измеренных дорогах; сложенные адаптеры делят измеренный потолок.

Кривые Тренера
Кривые обеих половин, с объяснением

Свой тренер LoRA

Студия сама обучает адаптеры, на неквантованных весах bf16. Против AI-Toolkit от Ostris на том же наборе потеря музыкальной половины сходится эпоха в эпоху в пределах 0.015.

Ранг 16 на 148 песнях: 2.1 с на шаг в 12 ГБ. Ранг 32 на 42 целых песнях: 6.7 с на шаг в 18 ГБ.

Редактор лирики: доли каждой строки против линейки раздела
Доли каждой строки против линейки раздела

Лирика, которая держит такт

У каждой строки её доли, против линейки её раздела: куплет и мост одна группа, пред-припев и припев свои. Слог считается по правилам каждого языка, и согласные, что берут свою долю, тоже идут в счёт; пауза или интерлюдия внутри раздела новой группы не открывает.

Набери «[» в начале строки, и теги разделов подскажутся, как редактор кода подсказывает слова. Ударения мимо гласной находятся; Ctrl+F ищет только в этом поле.

Руах Студия и SUNO, честно

Каждую неделю какое-нибудь видео объявляет, что очередная модель убивает SUNO. Это не модель, а целая Студия вокруг модели, со своим файнтюном. Где она выигрывает, а где пока выигрывает SUNO, сказано прямо.

Руах Студия (YuE2)SUNO
где живётна твоей видеокарте; песни, слова и настройки никогда её не покидают, а после установки ей не нужен интернетв их облаке
сколько стоитэлектричество: ни кредитов, ни тарифов, ни дневных лимитовподписка и кредиты
модельYuE2 и наш собственный файнтюн RS-FW, первый большой открытый: обе половины обучены заново на 32 633 треках, около 1 800 часов, и опубликовано каждое слово, которое им говорилизакрыта; на чём она училась, не опубликовано
партитурапишется первой, видна, правится, твоя (ABC, MIDI); пиано-ролл на всё окноскрыта
лирикасчётчик у каждой строки: её доли против линейки раздела, слоги по правилам каждого языка; теги разделов подсказываются при наборе «[»текстовое поле; текст напишут за тебя по запросу
повторить семплв точности: два сида, которые ты хранишьнет
ведение (CFG)две, раздельно: тяга стиля и хватка лирики, у каждой свой CFGодна ручка Style Influence
заменить секциюеё слова поются заново между паузами, которые находит слух, остальное семпла сохраняется до отсчёта: шва не слышно; несколько секций за один заходReplace Section: в наших пробах почти никогда не годится — швы слышны, голос меняется
родословная семплародословное дерево: каждая обрезка, версия и перегенерация, из которых семпл вышел, и всё, что вышло из него, у каждого своя волна—
библиотекапространства с разделами, шестнадцать реакций, заметки, защита и корзина, которая возвращает, поиск со звёздочками и «не», слепые наборы для честного прослушивания, листовка и паспорт у каждого семплапространства, лайки и плейлисты
сравнение семпловдо двенадцати версий в одном плеере с той же секунды, по именам или вслепую, на равной громкости, выровненные по собственному звуку—
твой собственный звукобучи LoRA на своих песнях, прямо в Студииобучения нет; Personas переносят голос и стиль одной песни
чего YuE2 не сыграетMIDI-оркестр по собственной партитуре семпла (наборы SFZ и Pianoteq, если он у тебя есть) и природа под песней: огонь, дождь, реки, птицы—
свои инструментыМастер банок превращает записи одного инструмента (дудук, шофар) в банку SFZ: голоса, крики и чужие инструменты выслушаны прочь, ноты найдены по клавишам, подстроены и закольцованы; в DAW она звучит под песней подложкой, гулом в её тональности или MIDI-партией—
каждый пик целникакого среза на выходе: длинные хвосты реверберации и тишина остаются целыми; родословное дерево показывает, где кусал бы старый срезотдаётся уже отмастеренным (в нашем ринге: −15,5 LUFS, −3,4 dBTP)
после рендерастемы, антигул, ремастер, апскейл, проверка текста и мастер под целевую громкость (Spotify −14, Apple Music −16, CD −9), всё локальностемы и ремастер, в облаке
микшерDAW в Огранщике: дорожки с эквалайзером, гейтом, компрессором, шириной и посылами, автоматизация, маркеры, звук дорожки как пресетSuno Studio, в браузере, на старшем тарифе
видеть звукспектрограмма всего семпла над плеером, вровень с волной: секции, яркость и громкость, спектр и нота под указателемволна
картинки и видеоХудожник рисует обложку, 16:9 и 9:16 по твоим словам; Видеограф планирует клип, рисует его ключевые кадры и даёт ему облик (3D LUT, зерно, виньетка)обложка
в DAWпроект REAPER с партитурой, секциями и текстом (экспериментально)аудиостемы
скрипты и агентыAPI (OpenAPI 3.1) и MCP-сервер, на твоей машине и в твоей сетипубличного API нет
происхождениеContent Credentials (C2PA) вшиты в каждое скачивание, от твоего имени, если хочешь—
кодоткрыт (AGPL), каждое изменение пронумеровано и описанозакрыт
интерфейссемь комнат на одной странице, на двенадцати языках; подсказка у каждого контрола и гайд в каждой комнате; плеер и семплы в каждой комнате; клавиши для частых действий; ставится как приложениевеб-приложение и мобильные приложения
лоск из коробкименьше: микс может гудеть (помогает антигул), текст может уплывать (проверка текста найдёт где), некоторые инструменты YuE2 играет жидко или не играет вовсе (их научит LoRA)больше
что нужновидеокарта NVIDIA (24 ГБ на всё в полной точности; 12–16 ГБ и 8 ГБ с меньшими копиями), Linux, 34–41 ГБ дискабраузер

«—»: такого мы не нашли за больше чем полгода на платных тарифах SUNO. SUNO меняется быстро; таблица на ноябрь 2026.

Ринг: YuE2 против SUNO v6 и Musicful

Двадцать карточек, в каждой строка стиля и текст, отправлены без изменений каждой стороне. SUNO v6 и Musicful V3 — такими, какими их отдают их сервисы; наши — сырыми из движка, заново спетыми в ноябре со всеми пиками целыми: стоковая YuE2-3B, наш собственный файнтюн RS-FW на трёх его сохранениях и RS-TW 2.0. Здесь каждый файл звучит на одной громкости, так что никто не выигрывает тем, что громче. Нажатие на имя включает его; другое имя на той же карточке продолжает с той же секунды.

RS-TW 2.0 — наш второй файнтюн: его эпоха 2.0, слитая поверх RS-FW 2.4 с двумя силами: ×0.75 — надёжный баланс, ×0.9 — тектоника, без гарантии стабильности. Наших — по два сида на карточку, оба здесь, ни один не выбран вместо другого: переключатель в плеере даёт сид 1 или сид 2 и держит его от карточки к карточке, а средние в таблице считают оба.

01 Рок-баллада ru
02 Синти-поп ru
03 Фолк-поп с бандурой uk
05 Госпел en-US
07 Брит-поп, британский акцент en-UK
08 Ликвид-драм-н-бейс en-UK
09 Чикагский дрилл en
10 Чикагский блюз en
11 Шансон, вальс fr
13 Поп-опера, тенор it
15 Ребетика, бузуки el
17 J-pop, опенинг аниме ja
18 Сити-поп ja
19 Баллада на мандаринском zh
20 Китайский фолк-фьюжн zh
21 Фаду pt-PT
22 Босса-нова pt-BR
23 Самба pt-BR
24 Дудук, наше собственное поле ru
25 Индастриал-метал ru
замерено сырым, средниеSUNO v6Musicful V3YuE2‑3BRuach Studio (RS-…): файнтюны YuE2 3B
FW 0.7FW 1.5FW 2.4TW 2.0 ×0.75TW 2.0 ×0.9
ошибка Whisper по тексту, на миксе, % ⁠↧23.119.520.019.924.821.823.026.1
ошибка Whisper по тексту, на выделенном голосе, % ⁠↧27.418.921.624.831.128.829.533.7
песок в тишине, 6–16 kHz, dB ⁠↧-15.7-14.8-17.6-18.1-17.3-17.3-17.9-17.5
случайные стоячие тоны ⁠↧2.21.94.332.02.272.232.151.6
жужжание декодера 25 Hz на верхах, dB ⁠↧8.38.011.411.611.611.511.611.1
щелчки ⁠↧33.433.827.731.935.334.734.532.8
участки клиппинга ⁠↧0.00.00.00.00.00.00.00.0
уровень шума в самой тихой десятой части, dBFS ⁠↧-26.6-25.2-27.7-27.6-27.0-26.6-27.1-28.2
верх спектра, kHz ⁠↥17.915.315.814.814.915.115.214.7
частота спада 95%, kHz ⁠↥2.52.62.22.12.22.01.71.7
доля саба 20–60 Hz, dB ⁠↥-8.6-10.2-10.0-9.6-9.9-10.4-10.0-9.8
громкость как отдана, LUFS ⁠→ ⁠−14-15.5-14.3-14.5-14.7-14.7-14.4-14.6-14.8
истинный пик как отдан, dBTP ⁠→ ⁠−1,0-3.4-0.5-0.2-0.2-0.1-0.2-0.3-0.1
доля баса 60–150 Hz, dB ⁠↥-6.0-5.6-4.3-4.8-4.5-4.5-4.4-4.8
доля зоны присутствия 2–5 kHz, dB ⁠↥-17.1-16.6-16.0-16.3-16.2-16.2-17.3-16.9
пик-фактор, dB ⁠↥14.415.716.516.516.616.316.216.6
диапазон громкости, LU ⁠↥5.96.27.16.66.56.46.67.1
разброс громкости p95−p10, dB ⁠↥9.49.011.510.810.410.310.811.7
разброс низов p95−p10, dB ⁠↥23.320.021.921.120.619.722.022.6
стереокорреляция на средних ⁠↥0.670.690.750.770.730.740.770.76
длительность, с ⁠↥156.8154.5148.6148.1154.8151.9152.8149.7

первое · второе · третье из восьми в каждой строке, первое ещё и полужирным; ↥ — больше лучше, ↧ — меньше лучше, → — лучше ближе к указанному значению, истинный пик — снизу. Ячейки с одинаковым числом — одного цвета.

Каждую сторону Whisper large-v3 слушает на RTX 3090, и микс, и голос одинаково: первая строка Whisper — на миксе, вторая — на выделенном голосе, где BS-Roformer отделяет от музыки все голоса трека — ведущий, бэк-вокал и хор вместе, никогда не один ведущий. Без музыки Whisper порой теряет целые строки текста и пишет в паузах слова, которых никто не пел, — у каждой стороны, поэтому обе строки лучше читать вместе.

FW и TW — кодовые имена двух наших файнтюнов YuE2 3B: First Wave и Tsunami Wave. Tsunami Wave учился на 109 250 треках, около 6 650 часов: 66,7 % часов — инструментал, 31,6 % — пение, 1,8 % — речь. Голоса звучат на английском (7,0 % часов), русском (5,8 %), иврите (1,7 %), греческом и украинском (по 0,6 %), французском и испанском (по 0,5 %), португальском (0,3 %), итальянском (0,2 %) и ещё четырнадцати языках, меньше 0,1 % каждый; в 15,9 % часов голос слышен, но его язык не определён.

Их треки приходят отмастеренными, наши — сырыми, на собственном уровне декодера, со всеми пиками целыми: громкость оставлена мастерингу, а это дело Огранщика Студии. Другие сиды и другие промпты звучат по-другому у каждой стороны; ринг показывает качество и разброс, а не окончательный рейтинг. Вся таблица и то, как она измерена: карточка модели.

Словари Tsunami Wave и Первой волны

Каждое слово, которое услышали два наших файнтюна, сосчитано, и по нему есть поиск: 109 250 обучающих треков Tsunami Wave и 32 633 трека Первой волны до него. Жанры, инструменты, голос, слова эмоций, которые дал сам звук, тональности и BPM, и ключи партитур. Мало какой файнтюн показывает, что говорили его модели.

Что говорит спектр

Ринг, измеренный, а не услышанный: 280 треков, по 40 на каждую из шести наших сторон, 20 от SUNO v6 и 20 от Musicful V3. Каждый трек сперва приведён к −14 LUFS, чтобы громкость ничего не выигрывала, а каждая кривая — это уровень трека по полосам относительно всей его мощности: сравнивается только форма. Наши — сырой выход движка, их — отмастерены, поэтому часть разрывов ниже — заслуга мастеринга.

Средний третьоктавный спектр восьми сторон ринга, от 20 Hz до 20 kHzСредний третьоктавный спектр восьми сторон ринга, от 20 Hz до 20 kHz

Одна кривая — до последней октавы

От 100 Hz до 10 kHz средние кривые всех восьми сторон держатся в пределах 5,2 dB друг от друга. Выше 16 kHz они расходятся. Musicful V3 не держит ничего выше 16 kHz в 38 треках из 40: на 20 kHz его среднее лежит на −90,6 dB — стена там, где у остальных склон. SUNO v6 держит наверху больше всех, −31,0 dB в полосе 16–20 kHz; наши — от −39,3 до −42,3 dB, и тоже порой обрываются на 16 kHz: в 1–6 треках из 40, чаще всего у RS-TW 2.0 ×0.9.

Полоса воздуха (8–16 kHz) и верхняя полоса (16–20 kHz) каждой стороны, в dB от мощности трекаПолоса воздуха (8–16 kHz) и верхняя полоса (16–20 kHz) каждой стороны, в dB от мощности трека

Воздух: у них ярче на 2,3–4,6 dB

В полосе воздуха, 8–16 kHz, SUNO v6 и Musicful V3 стоят на −19,4 и −19,6 dB от мощности своих треков, шесть наших сторон — от −21,8 до −24,0 dB. Мастеринг обычно приподнимает воздух, а наши его не проходили: в Студии это дело Огранщика, когда песня уже спета.

Пик-фактор в dB и диапазон громкости в LU для каждой стороны: среднее и разброс от 10-го до 90-го перцентиляПик-фактор в dB и диапазон громкости в LU для каждой стороны: среднее и разброс от 10-го до 90-го перцентиля

Пики и размах: наши дышат шире

Пик-фактор, пик над средним: SUNO v6 — 14,4 dB, Musicful V3 — 15,7 dB, наши — от 16,2 до 16,6 dB. Диапазон громкости: у них 5,9 и 6,0 LU, у наших от 6,4 до 7,0 LU. RS-TW 2.0 ×0.9 — самый широкий из наших файнтюнов, 16,6 dB и 7,0 LU, такой же, как стоковая YuE2-3B (16,5 dB, 7,0 LU): его тектоника в цифрах. ×0.75 собраннее: 16,2 dB и 6,6 LU.

Третьоктавный спектр Псалма 22 по-гречески на четырёх силах Tsunami WaveТретьоктавный спектр Псалма 22 по-гречески на четырёх силах Tsunami Wave

Четыре силы, один псалом

Слепой набор: двенадцать карточек, спетых на четырёх силах Tsunami Wave поверх RS-FW 2.4, с одним и тем же сидом на каждой силе. На Псалме 22 по-гречески шаг от ×0.75/0.75 к ×0.8/0.8 вынул из суббаса, 20–60 Hz, 36 dB, с −7,9 до −44,3 dB: из-под песни ушёл пол. По двенадцати карточкам качание мягче — суббас у ×0.75/0.75 стоит на −8,5 dB, у трёх остальных — от −10,4 до −11,0 dB, — и ×0.75/0.75 ближе всех к собственной медианной кривой ринга на 6 карточках из 12: в среднем 4,1 dB против 4,8–5,2 dB. Поэтому ×0.75 становится моделью Студии по умолчанию в 2.0.6, а ×0.9 — той, что не обещает стабильности.

Измерено нашим собственным кодом на CPU: третьоктавные полосы из спектра Уэлча, громкость и её диапазон — по ITU-R BS.1770-4 и EBU Tech 3342. Каждая картинка по щелчку открывается крупнее.

Что говорит стерео

280 треков ринга, измеренных на ширину. В каждой из четырёх полос бок, половина разности двух каналов, сравнивается с центром, половиной их суммы: чем выше бок над центром в dB, тем шире звучит полоса, а у трека в моно бока нет вовсе. Панорама — это то, насколько далеко гуляет разница уровней левого и правого канала за трек, от 5-го до 95-го процентиля, в dB. Каждое число — медиана треков стороны: 20 у SUNO v6 и у Musicful V3, по 40 у каждой из наших. Шире здесь не значит лучше, только шире: мест в этой таблице нет.

−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

Бок над центром в четырёх полосах, dB, медианы треков каждой стороны: чем выше, тем шире.

замерено сырым, медианыбок над центром, dBпанорама, dB
бас
20–200 Hz
середина
0,2–2 kHz
верх
2–8 kHz
воздух
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

Наши слияния держат середину и верх там же, где стоковая YuE2-3B, не дальше 1,3 dB от неё. RS-TW 2.0 чуть уже по краям: ×0.75 — на 1,6 dB в басу, на 1,0 dB в воздухе и на 0,4 dB в панораме, ×0.9 — на 2,7, 1,4 и 0,5 dB. SUNO v6 и Musicful V3 раскрывают бас на 4,9 и 4,4 dB шире стоковой YuE2-3B.

На слух Виктора более узкие края RS-TW 2.0 звучат устойчивее, а не как потерянное стерео: стоковая YuE2-3B часто паркует гитару в одном канале на 15–20 секунд.

Измерено нашим собственным кодом на CPU: кратковременный спектр на 4096 точек каждые 50 ms по первым 240 секундам каждого трека, центр и бок как (L+R)/2 и (L−R)/2, панорама — по разнице уровней каналов в 200 Hz – 8 kHz, в моментах в пределах 40 dB от самого громкого в треке.

Что нужно

Машина

  • Видеокарта NVIDIA: 24 ГБ, чтобы всё шло в полной точности; на 12–16 ГБ и 8 ГБ работает с меньшими копиями (Видеографу нужны 24 ГБ)
  • Linux (сделано на Ubuntu 24.04, CUDA 12.8)
  • Около 34–41 ГБ диска, по замерам свежих установок: программа и её Python (17 ГБ), модели (от 17 до 24 ГБ по карте, их скачивает, закрепляет и проверяет fetch-models.sh); модели Художника ещё 39–43 ГБ, наборы 💎 5,6 ГБ, каждое только когда попросите

Экран

  • Сделано для окна браузера 1920×1080 при 100 %
  • Идеал: 2K (2560×1440), от 22″, 16:9 или шире
  • Две темы для долгих часов творчества: Scroll & Brick днём, Scroll by Lamplight ночью, и ещё 20

По желанию

  • Чат-сервер для Писателя (vLLM, LM Studio, Ollama) или ключ OpenRouter
  • DAW: REAPER, Waveform 14+, Bitwig
  • Больше видеокарт: обучение и задачи лаборатории рядом с песнями

Не для бесплатных облачных GPU. Ruach Studio не запустится в Google Colab, Kaggle и на любом бесплатном GPU для блокнотов, так что не трать на это вечер: это целая Студия, а не блокнот. Она собирает свой движок на C++/CUDA на той машине, где живёт, держит рядом сервер и лабораторию сервисов на Python и занимает около 34–41 ГБ диска (74–84 ГБ с Художником). Карта, память, стираемый диск и многочасовой лимит бесплатного сеанса этого не вынесут. Ей нужен твой собственный компьютер на Linux или арендованный сервер, который остаётся твоим, с картой NVIDIA: 24 ГБ на всё, 16 ГБ с меньшими копиями модели.

Что она скачивает

Замерено пофайлово по закреплённым спискам репозиториев Студии и на диске свежей установки (1 ГБ = 10⁹ байт). Установка приносит Творца, Библиотекаря и цепочку Огранщика; любая другая комната приходит только по запросу, из Движок → Модели и LoRA → По комнатам: там сперва меряется свободное место на диске, и не скачивается то, что не поместится.

карта на 24 ГБкарта на 12–16 ГБкарта на 8 ГБ
программа и её движок, собранный здесь (скачивается 0,2 ГБ)0,9 ГБ0,9 ГБ0,9 ГБ
два её Python, в каждом PyTorch для CUDA 12.8 (скачивается 8,7 ГБ)16,5 ГБ16,5 ГБ16,5 ГБ
YuE2 и собственный файнтюн Ruach Studio, в кванте под карту14,9 ГБ8,2 ГБ8,2 ГБ
остальное: ещё два декодера, транскрайбер, Whisper, модели стемов, UniverSR и Apollo-vocal, LoRA8,8 ГБ8,8 ГБ8,8 ГБ
установка41,1 ГБ34,4 ГБ34,4 ГБ
+ Писатель: его языковая модель через llama.cpp7,4 ГБ7,4 ГБ6,2 ГБ
+ Огранщик: MuScriptor и FlashSR6,1 ГБ6,1 ГБ6,1 ГБ
+ Художник: его помощники и Qwen-Image 2512 (Q6 на 24 ГБ, Q4 ниже)42,9 ГБ39,3 ГБ39,3 ГБ
+ Видеограф: MiniMax H3 и SeedVR286,3 ГБнужна карта на 24 ГБнужна карта на 24 ГБ
+ Тренер LoRA: его база и слушатель стиля20,2 ГБ16,3 ГБ12,9 ГБ
все комнаты204,0 ГБ103,5 ГБ98,9 ГБ

Только по отдельному запросу: остальные звуковые движки (слияния IRA, IRAE и RS-FW, от 35 до 86 ГБ по кванту), адаптеры Художника (7,5 ГБ) и файнтюны (по 20,4 ГБ), все уровни MiniMax H3 (201 ГБ) или BF16 (478 ГБ), наборы 💎 (5,6 ГБ). Не считаются: драйвер NVIDIA и CUDA toolkit, Pianoteq (его покупаешь сам), твои семплы.

Что дальше

2.0.5 — Студия, в которой мы каждый день делаем собственные песни. Вот крупные части на подходе, для 2.1.0 и дальше.

  • Песни правятся так, как их пишет модель. Семпл продлевается с любого момента; отрезок пишется заново, сохраняя голос, тональность и такты соседей, и сшивается в собственных токенах модели; инструментальный слой ложится на партитуру самого семпла.
  • DAW, дальше. Дорожка аккордов и сетка долей над семплом, референс из любого семпла и пиано-ролл, который записывает в партитуру то, что ты играешь на MIDI-клавиатуре.
  • Видеограф, дальше. Текст песни на клипе, слово за словом, и один цвет на все его сцены.
  • Следующая волна нашего файнтюна. Учится на том, что YuE2 поёт хуже всего, и слушается вслепую, прежде чем выйти.
  • Нативные плагины для REAPER, Waveform и Bitwig, когда Студия найдёт своих людей.

Лицензии

Код

  • GNU AGPL, версия 3 или новее: любой может пользоваться, изучать, менять и передавать дальше, а форк остаётся открытым, с исходниками.

Имя и графика

  • Логотип, имя «Ruach Studio», а также аудио и картинки, опубликованные с ними: CC BY-NC-ND 4.0.

Модель

  • Веса YuE2 — CC BY-NC 4.0. Их лицензия говорит о весах, а не о песнях, сделанных с ними: прочти её, прежде чем продавать.

На чём стоит

  • YuE2 и MERT-v2 от m-a-p: модель
  • yue2.cpp от ServeurpersoCom: движок на C++ поверх ggml, перенесённый сюда со своими патчами
  • YuE2 Kit от IronWolve: основа страницы и скриптов
  • AI-Toolkit от Ostris: код YuE2 в тренере перенесён оттуда
  • Mothersuperior: голова токенизатора realaudio и слияние VAE
  • Qwen2.5-Omni (слушатель), Whisper (проверка текста), BS-Roformer и htdemucs (стемы), UniverSR (апскейл)
  • Qwen-Image 2512 от Qwen, с Lightning от lightx2v: обложки
  • YuE2 Studio: проверка партитуры; GTSinger: голоса для обучения

Маленькая история

Виктор Журомский, автор Ruach Studio, публикует её не ради хайпа. Он делал её для себя. После более чем полугода мучений с Suno на платных тарифах и поисков достойной модели (ACE-Step, MiniMax и другие) он взялся построить собственную аудиостудию, на своей машине. Выбор пал на YuE2: из всех открытых моделей она самая рентабельная и самая изысканная.

Студию он делал не тяп-ляп, лишь бы работало, а в своём стиле, потому что и творчество у него своё, изысканное и неповторимое: собственные переводы, подстрочники и многое другое. Он постарался вместить в неё максимум, отполировать интерфейс до блеска и сделать творчество в Студии не тыканьем и кликаньем среди костылей и ям, а по-настоящему продуктивным.

Вот и вся история. Теперь эта Студия и ваша.