Hangry Labs YuE2

Versión v1.0.0. Consulta el historial.

Genera canciones en tu GPU a partir de letras y una dirección musical. Un único contenedor Docker ofrece estudio en el navegador, API HTTP, MCP y audio estéreo a 48 kHz. Se basa en yue2.cpp, C++20 y GGML.

Inicio rápido

Necesitas Docker con soporte para GPU NVIDIA y un controlador compatible con CUDA 12.9.1. El equipo probado tiene RTX 5070 Ti con 16 GB de VRAM; otras configuraciones no están verificadas. Descarga una vez los dos modelos en data/models/. Desde el directorio que contiene data/, ejecuta una de estas líneas:

Bash:

docker run -d --name yue2 --restart unless-stopped --gpus all -p 127.0.0.1:8087:8087 --mount "type=bind,source=$(pwd)/data/models,target=/models,readonly" --mount type=volume,source=yue2-output,target=/output hangrylabs/yue2:v1.0.0@sha256:446bd69099513f8b1d762656d455826872b7221ab232aa05e907f3ada90c9b34

PowerShell:

docker run -d --name yue2 --restart unless-stopped --gpus all -p 127.0.0.1:8087:8087 --mount "type=bind,source=$($PWD.Path)\data\models,target=/models,readonly" --mount type=volume,source=yue2-output,target=/output hangrylabs/yue2:v1.0.0@sha256:446bd69099513f8b1d762656d455826872b7221ab232aa05e907f3ada90c9b34

Abre http://localhost:8087, escribe la letra y el estilo, y pulsa Generar canción. No necesitas Python ni compilador en el equipo. Los comandos fijan la versión estable v1.0.0; latest sigue el desarrollo. La misma imagen estable está disponible en ghcr.io/hangry-labs/yue2:v1.0.0@sha256:446bd69099513f8b1d762656d455826872b7221ab232aa05e907f3ada90c9b34.

Primera ejecución: descargar los modelos

Crea data/models/ y conserva los nombres originales. La descarga total es de unos 4,34 GB.

Modelo	Uso	Tamaño
YuE2-3B-Q8_0.gguf	Generación de canciones	3,81 GB
YuE2-Vae-F32.gguf	Codificación y decodificación de audio	530 MB

El manifiesto incluye sumas SHA-256. Desde una copia del repositorio, task models descarga y verifica los archivos. Los pesos no van dentro de la imagen y el servidor no los descarga. Una vez preparados, la generación funciona sin conexión. Los modelos tienen condiciones independientes.

Funciones

Canciones a partir de estilo y letra, con partitura completa, solo melodía o sin partitura.
Audio estéreo a 48 kHz en Opus, MP3, Ogg, FLAC, WAV y AAC/M4A.
Biblioteca del navegador con búsqueda, favoritas, reproducción y reutilización de indicaciones.
Partituras ABC editables, recreación con códigos semánticos y continuación desde una fuente.
De una a tres versiones acústicas de la misma composición; dos por defecto.
Adaptadores LoRA locales y conversión VAE entre audio y representaciones latentes.
Trabajos asíncronos, cancelación, límites de cola y resultados en un volumen persistente.
Estado de modelos, cola, almacenamiento y gráficos de GPU NVIDIA en Sistema.
API HTTP nativa, clientes compatibles con OpenAI y herramientas MCP para agentes.

La transcripción y la tokenización de audio requieren modelos opcionales y argumentos del servidor. No forman parte de la descarga predeterminada. Consulta los modelos.

Estudio en el navegador

Elige inglés, noruego bokmål, polaco, japonés, chino simplificado o español en la cabecera. El navegador recuerda la elección. Las rutas directas son /en, /nb, /pl, /ja, /zh y /es. Cambiar el idioma conserva la letra, los ajustes y el trabajo activo. El idioma de la interfaz no selecciona el del canto ni traduce la letra.

Nueva canción compone de nuevo con la letra y dirección actuales. Usar partitura ABC conserva una melodía especificada. Recrear códigos usa una interpretación existente: editar la letra no reescribe el canto ya presente en los códigos. Describe género, instrumentos, ambiente y voz en dirección musical; usa [Verse] y [Chorus] para la estructura en la letra. Son pistas para el modelo.

API y agentes

/v1/audio/music devuelve un archivo terminado. /v1/audio/speech permite usar clientes OpenAI, pero también genera música, no narración hablada. /v1/models proporciona información del modelo.

curl --fail-with-body http://localhost:8087/v1/audio/music -H 'Content-Type: application/json' --data '{"model":"yue2","lyrics":"[Verse]\nMorning light across the floor","style":"English acoustic pop, warm singing","duration":30,"steps":8,"response_format":"opus"}' --output song.opus

La ruta nativa /synth devuelve un identificador. Consulta /job?id=JOB_ID hasta done y descarga /job?id=JOB_ID&result=1, un multipart con audio, JSON de recreación y latentes. Consulta la guía API, la documentación local y el esquema OpenAPI.

Conecta MCP por Streamable HTTP a http://localhost:8087/mcp. Las herramientas son skill, generate_song, get_song y cancel_song. El agente primero lee la guía, escribe o prepara una canción completa y obtiene un enlace HTTP válido durante una hora. No puede cambiar ajustes avanzados del entorno. Consulta la guía MCP.

Valores predeterminados y almacenamiento

Se usan 8 pasos, semillas aleatorias, contexto de 24 576 tokens y dos variantes. Las rutas compatibles y MCP devuelven una por llamada. La duración es un límite superior; la canción puede terminar antes. El inicio normal libera los pesos entre etapas. La distribución GPU soportada utiliza solo CUDA.

Todas las rutas comparten un trabajador secuencial y ocho plazas, incluida la activa. Una cola llena responde HTTP 429 con Retry-After; espera antes de reintentar. /health, /status y /system/queue muestran el estado. YUE2_API_KEY protege /v1 y /mcp si se configura. Studio y las rutas nativas mantienen su acceso local. La orden inicial solo expone el puerto en localhost.

Los modelos permanecen en el equipo. yue2-output conserva los resultados terminados al sustituir el contenedor. Los resultados nativos duran 24 horas por defecto y los enlaces de agentes una hora. La biblioteca IndexedDB es independiente. Descarga las canciones importantes; la carpeta de modelos no respalda la biblioteca del navegador. Consulta cola y almacenamiento.

Documentación y desarrollo

Índice de documentación · Docker · formatos · desarrollo · dependencias de compilación · pruebas de rendimiento. Las referencias técnicas detalladas están en inglés; el sitio indica claramente cuando no existe una traducción.

Con el repositorio, Docker, Python y Task: task models, task build, task start. task validate comprueba herramientas, UI y código nativo CPU. task test1 ejecuta la referencia GPU fija. task pages abre la vista previa del sitio; task pages-stop la detiene. Las mediciones separan inicio en frío, generación en caliente y VRAM. ASR es un indicador imperfecto de tendencias, no un juez musical.

Privacidad, atribución y licencias

La generación ocurre en tu equipo. Las descargas contactan con registros y el servidor de modelos; la interfaz no necesita CDN. Usa material que tengas derecho a procesar y comparte con responsabilidad. Las integraciones externas se gestionan por separado.

MAP proporciona los modelos y yue2.cpp el motor nativo. Hangry Labs mantiene UI, API, empaquetado y validación. El código del proyecto usa MIT; los modelos tienen condiciones no comerciales independientes. Consulta procedencia de modelos y avisos de terceros. Contacto: contact@hangrylabs.app.

Historial de versiones

v1.0.0

Primera versión estable con estudio local, API nativa y compatible con OpenAI, MCP, interfaz multilingüe, modelos externos y dependencias CUDA verificadas. Publicada el 3 de noviembre de 2026. Consulta las notas de la versión. El inicio rápido fija la versión estable y su resumen OCI verificado.