YuE2: rival open source do Suno com edição agentic

Autoria: Prompt Engineer 48 · Assistir no YouTube

Vídeo de autoria do canal indicado, não da IANIA; todos os direitos pertencem ao criador. Transcrição, resumo e tradução gerados automaticamente; o conteúdo no idioma original é preservado na versão em idioma original.

Idioma original: inglês

Vídeo original: YuE2: Open-Source Suno Rival With Agentic Editing · Canal: Prompt Engineer 48 · 12:05 · Assistir no YouTube

Tópicos: Geração de conteúdo com IA, Governança e regulação de IA, Modelos locais e open source

Resumo

O vídeo apresenta YuE2, um modelo open source de geração musical que transforma letras e uma descrição de estilo em uma música completa, usando um plano de melodia e acordes como etapa intermediária. O apresentador explica a arquitetura, as condições de uso e os resultados publicados em um benchmark, ressaltando que os números não comprovam superioridade sobre sistemas fechados. Como seu laptop não atende aos requisitos, ele executa o modelo em uma GPU A40 alugada e testa letras próprias, além de editar acordes e gerar novas versões. Também comenta a função de covers e ferramentas adicionais, mas deixa claro que não testou o agent de edição nem o processo completo de cover.

Pontos-chave

YuE2 gera músicas com vocais e instrumentos a partir de letras e de uma descrição de estilo, produzindo áudio estéreo a 48 kHz.
O modelo cria um plano musical em notação ABC antes de sintetizar a música; o plano pode ser inspecionado e editado.
O modo COT pode gerar o plano completo, planejar apenas a melodia ou ser desativado para ir diretamente das letras e do estilo ao áudio.
O código e a skill de agent são Apache 2.0, enquanto os pesos têm licença CC BY-NC 4.0 e exigem contato para uso comercial por empresas.
No benchmark SongBench citado, YuE2 aparece na faixa dos sistemas fechados testados, mas o vídeo ressalta que a diferença entre as pontuações não demonstra uma vitória estatisticamente significativa.
A execução requer Linux, Python 3.12 e uma GPU Nvidia com suporte a BF16 e 24 GB de VRAM; o apresentador usa uma A40 alugada com 48 GB.
Uma geração com letras próprias levou cerca de 60 segundos na A40 e produziu uma música de 76 segundos.
Alterar os acordes no arquivo de partitura e gerar novamente cria uma nova gravação completa; não é uma edição direta da forma de onda anterior.
O processo de cover envolve Sheet Sage 2 para transcrever uma gravação em uma partitura de melodia, mas o apresentador não executou essa etapa.
O apresentador também não testou o agent de edição musical; fez as alterações na partitura manualmente.

Capítulos

Início	Capítulo	Resumo
00:00	Apresentação do YuE2 e funcionamento	O vídeo apresenta a geração de músicas a partir de letras e estilo e explica o plano musical intermediário e os modos de geração.
02:34	Licença, benchmark e requisitos	O apresentador detalha as licenças, contextualiza os resultados de SongBench e explica os requisitos de hardware.
04:43	Instalação e geração de uma música	O modelo é executado em uma GPU A40 alugada, primeiro com um exemplo do repo e depois com letras próprias.
07:55	Edição de acordes e geração de novas versões	O vídeo mostra como diferenças nos acordes da partitura resultam em novas gravações, sem editar diretamente o áudio anterior.
09:59	Covers, demo hospedada e ferramentas adicionais	O apresentador explica o fluxo de cover com Sheet Sage 2 e menciona demos e ferramentas, esclarecendo quais recursos não testou.

Citações

Primeiro, ele escreve um plano de melodia e acordes; só depois transforma esse plano em uma música completa. — 01:33

O que eu tiro disso é que ele está na mesma faixa que os sistemas fechados neste teste, não que os tenha superado. — 04:09

De um prompt para uma música. Cante, cante a noite toda. — 07:55

Pense nisso como mudar a partitura e pedir à banda que toque de novo. — 09:59

Conceitos e entidades

YuE2 (modelo): Modelo de geração musical apresentado no vídeo, que usa letras e uma descrição de estilo para produzir músicas completas.
YuE2-3B (modelo): Modelo de YuE2 mencionado como o modelo apresentado, atribuído no vídeo a MAB.
MAB (empresa): Nome associado no vídeo ao modelo YuE2-3B.
SongBench (conceito): Benchmark citado para comparar a qualidade musical de YuE2 com outros sistemas.
Suno V5 (modelo): Versão do sistema Suno comparada com YuE2 nos resultados de SongBench apresentados.
RunPod (ferramenta): Serviço usado pelo apresentador para alugar uma GPU A40 e executar YuE2.
A40 (modelo): GPU alugada para executar YuE2, com 48 GB de VRAM segundo o vídeo.
Sheet Sage 2 (modelo): Modelo descrito como responsável por transcrever uma gravação em uma partitura de melodia para o processo de cover.
YuE2 music agent skill (ferramenta): Skill mencionada como uma forma de permitir que um agent faça edições na partitura musical.
ABC notation (conceito): Notação musical em texto simples usada para representar o plano de melodia e acordes.
CC BY-NC 4.0 (conceito): Licença indicada para os pesos do modelo, com restrições a usos comerciais.

Tradução completa (pt-BR)

00:00 Certo. Neste vídeo, vamos conhecer o YuE2, um modelo open source de geração musical em que você fornece a letra e uma descrição de estilo, e recebe de volta uma música completa, com vocais e instrumentos, em estéreo a 48 kHz. Aqui você pode ver a letra que digitei: quatro versos e duas linhas de refrão. E esta é a música que ele gerou para mim, com 76 segundos de duração.

00:31 Agora, vale lembrar que meu laptop não consegue executar esse modelo. Ele tem uma GPU de 8 GB, e o modelo precisa de 24 GB. Então, tudo o que você vai ouvir foi gerado em uma GPU alugada que me custou bem menos de um dólar. Vamos testar. Este é o repo multimodal art projection/UEE. Se você olhar à direita, verá que ele tem cerca de 11,7 mil estrelas, 1,3 mil forks e 13 colaboradores. A descrição diz: YuE2, geração musical de ponta com planejamento simbólico, covers zero-shot e edição musical agentic.

01:02 O nome talvez pareça familiar porque o YuE original estava neste mesmo repo, e os autores o moveram para uma branch chamada YuE versão 1. Então, agora a branch principal é toda do YuE2. O código está sob a licença Apache 2.0. Se formos à seção de releases, veremos que a mais recente é a YuE2 versão 0.1.6, do início de setembro, e há uma segunda release para a skill de agent YuE2 Music 1.2.0, do fim de setembro. O último push para o repo foi em 6 de outubro, então isto está avançando rápido. Agora, o que torna isso diferente de simplesmente digitar um prompt

01:33 e receber áudio? Aqui no README, diz que você fornece a letra e um prompt de estilo, e ele primeiro escreve uma melodia e um plano de acordes, e só então transforma esse plano em uma música completa. Então, o plano é a etapa intermediária e é escrito em notação ABC, que é uma partitura em texto simples. Na imagem da arquitetura, você pode ver que o estilo e a letra se transformam em uma partitura, depois em tokens musicais semânticos, depois em latentes acústicos, e, por fim, um decodificador os transforma em áudio estéreo. Por baixo dos panos, há um único backbone. Eles o chamam de mistura de transformers AR-NAR. A

02:04 parte autorregressiva prevê a partitura e os tokens semânticos. Depois, o flow matching gera os latentes acústicos, e o AVAE os decodifica em áudio. O lado Python expõe exatamente essas etapas: planejar, gerar semântica, sintetizar e decodificar, uma após a outra. E o motivo pelo qual isso importa é a configuração chamada COT. Se você a definir como full, que é o padrão, ele gera o plano, que você pode ler. Se definir como melody, ele planeja apenas a melodia e deixa o acompanhamento livre. E é isso que eles recomendam para covers.

02:34 E off significa que ele vai direto da letra e do estilo para o áudio. Então, é nisso que vamos mexer neste vídeo, porque uma partitura que você consegue ler é uma partitura que pode modificar. Antes de executar qualquer coisa, vamos falar da licença. Porque é aqui que as pessoas se confundem. O código e a skill de agent estão sob a licença Apache 2.0. Os pesos do modelo, que você pode ver aqui na página do YuE23B no Hugging Face, estão sob a licença CC BY NC 4.0, com uma permissão adicional dos criadores. E a tabela do README diz o seguinte: usuários particulares, criadores de conteúdo e músicos podem usar o YuE2 para

03:06 monetizar o que gerarem, sem pagar taxas ou royalties aos autores. Pesquisa acadêmica e educação são gratuitas para uso não comercial. E, se você é uma empresa que quer usar os pesos comercialmente, precisa entrar em contato com eles para obter uma licença comercial. Então, as músicas são suas para usar, mas você não pode simplesmente criar um produto pago com base nos pesos. Essa é a minha interpretação da tabela na tela. Portanto, leia o arquivo completo dos termos antes de fazer qualquer coisa séria. Agora, a alegação que fez este repo ganhar destaque se baseia no benchmark SongBench, que tem 192 prompts com

03:38 pontuação automática. Em 12 de setembro, o YuE2, com a melhor de oito amostras, obteve 6,96; o Miracle 9, 6,94; e o Suno V5, 6,87. A configuração normal do YuE2, que escolhe entre dois candidatos, obteve 6,73, ficando logo abaixo do Suno V5 e acima do Suno V5.5, com 6,71, e do Suno V6, com 6,56. E o YuE antigo, da primeira versão, obteve 4,9 no mesmo benchmark. Então, o salto em relação à primeira versão é grande. Mas

04:09 vale lembrar que este é o benchmark dos próprios autores, e eles mesmos dizem logo abaixo da tabela que as classificações mudam dependendo da métrica e que a pequena diferença entre as médias mais altas não demonstra significância estatística. Então, o que concluo disso é que ele está na mesma faixa que os sistemas fechados neste teste, não que os tenha superado. A única maneira de saber se combina com o seu gosto é ouvir, e eles mantêm uma arena pública de audição para isso, com um link no repo. O guia de início rápido recomenda Linux, Python 3.12 e uma GPU Nvidia com suporte a BF16 e 24 GB de VRAM

04:43 porque o modelo produz áudio estéreo a 48 kHz sem quantização. Agora, se você olhar minha máquina aqui, o Nvidia SMI mostra uma RTX 46 para laptop com 8.188 MB, ou seja, 8 GB. Isso é um terço do que o modelo exige. Além disso, estou no Windows, e o Subsistema do Windows para Linux não tem nenhuma distribuição instalada neste laptop, e meu drive D tem apenas 2,5 GB livres. Então, os pesos nem caberiam. Não tentei espremê-los. Aluguei uma A40 na RunPod, que tem 48

05:13 GB de VRAM por 59 centavos a hora. Agora, para a configuração, basta seguir o guia de início rápido do README. O pod já vem com Python 3.112, então clono o repo, crio um ambiente virtual, atualizo o pip e executo pip install. Você pode ver no log que a instalação levou 1 minuto e 30 segundos. Depois, o comando é python examples/generate.py com uma pasta de saída. Na primeira execução, ele baixa 11 arquivos de pesos do modelo do Hugging Face, e a primeira execução, incluindo o download, levou 1 minuto e

05:44 1 segundo. E o script exibe o caminho para audio.flac e informa que truncated é false tanto para a partitura quanto para os tokens semânticos, o que significa que a música não foi cortada. Esta é a primeira música, gerada a partir do pedido de exemplo do repo: pop com piano suave, a 88 batidas por minuto. Ela tem 59,9 segundos de duração, 48.000 amostras por segundo e dois canais. E a pasta de saída guarda tudo, não apenas o áudio. >> [música]

06:20 [música] >> O velho [cantando] rosto ao longo da rua. Os passos marcam o ritmo da [música] chuva. Dobre a noite e deixe-a aqui. [cantando e música] A manhã tem um céu [cantando] para [música] clarear. Deixe o dia surgir. >> Você pode ver o score.abc, o plano, os

06:51 tokens semânticos, o arquivo latente e os arquivos JSON de pedido e resultado. Então, se algum dia você quiser saber a partir do que uma música foi feita, está tudo ali, ao lado dela. Agora, eu queria testar minhas próprias letras, então escrevi um verso e um refrão sobre alugar uma GPU, e a descrição de estilo diz: rock indie animado, vocal masculino enérgico, guitarra elétrica, baixo e bateria ao vivo, a 120 batidas por minuto, com uma seed fixa. Esta levou 60 segundos para gerar e ficou com 76 segundos de duração. Então, nesta A40, levou mais ou menos o mesmo tempo que a duração da música. E ouça como as palavras se encaixam na melodia

07:22 no refrão, porque é a primeira coisa que verifico quando as letras saem de um desses modelos. >> [música] [música] >> Um cartão [música] na nuvem, alugado por hora. >> [música] >> Meu laptop é pequeno demais, então peguei emprestado

07:55 o poder. Digite a letra, [música] espere um minuto ou dois, e uma música inteira volta, com vocais e tudo. Cante, cante. De um prompt a uma música. Cante, cante. A noite toda. >> Agora, a parte de edição, que é o motivo de eu estar empolgado com isso. O repo

08:25 tem dois arquivos de partitura, score.abc e scorejazz.abc. E a única diferença são os símbolos dos acordes. Se você olhar o diff aqui, C vira C major 7, G vira G7, A minor vira A minor 7 e F vira F major 7. As notas, o tempo, a fórmula de compasso e o andamento são iguais. Há um script auxiliar que verifica isso e, quando executei a comparação dos dois arquivos, ele informou match true, com uma lista de diferenças vazia. E há uma observação dizendo que a única afirmação é que a melodia e a fórmula de compasso são iguais. Ele

08:56 não faz nenhuma afirmação sobre o áudio. Então, gerei os dois com as mesmas configurações: o primeiro levou 31 segundos e gerou 22 segundos de áudio. E o de jazz levou 30 segundos e gerou 24. >> O neon desaparece [música e canto] ao longo da rua. Os passos acompanham o ritmo da chuva. Dobre [canto] a noite e deixe-a aqui. [música] A manhã tem um céu para clarear. Deixe o [canto] dia aparecer. Toda [música] estrada começa com você. Guarde um espacinho [canto] para a luz.

09:27 Vamos cantar além da noite. O neon desaparece [música] ao longo da rua. Os passos acompanham o ritmo da chuva. [música] Dobre a noite e [canto] deixe-a aqui. A manhã tem um céu para clarear. Deixe o dia [música] aparecer. Toda estrada começa com você. Guarde um espacinho [música] para a luz. Vamos cantar além da noite. [música] >> Agora, é isso que a documentação diz, sinceramente: a edição cria uma gravação completa nova.

09:59 Então, o canto e o timbre podem mudar mesmo onde a partitura não mudou. Ela não retoca a forma de onda antiga. Então, pense nisso como mudar a partitura e pedir à banda que toque de novo. Agora, os covers. Isso funciona com um segundo modelo. O Sheet Sage 2 transcreve uma gravação para uma partitura melódica, e então o Yui 2 recebe essa partitura com letras novas ou um estilo novo. Segundo os números deles, em 948 obras, a versão com a partitura completa chega a .647 em uma métrica de recuperação chamada CLE dubious MAP, contra .006 sem nenhuma partitura

10:29 nenhuma. Não executei essa etapa de transcrição porque o Sheet Sage 2 precisa de seu próprio ambiente Python 3.10 ou 3.11 com FFmpeg 6.1. Então, não vou afirmar que testei um cover de verdade. O que executei foi fornecer a melodia original incluída como partitura no modo de melodia, e levou 37 segundos para gerar 37,5 segundos de áudio. Se quiser ouvir covers zero-shot de verdade, a página de demonstração do autor tem alguns, e deixei o link na descrição. >> O neon desaparece ao longo da rua. [música]

11:01 Os passos acompanham o ritmo da chuva. Segure a noite e deixe-a aqui. A manhã tem um céu para clarear. Deixe o dia [música] aparecer. Toda estrada começa com você. Guarde [canto] um espacinho para a luz. Vamos cantar além da noite. >> [música] >> E se você não quiser mexer no Linux de jeito nenhum, a nova seção lista uma demonstração gratuita

11:33 hospedada, com nós do ComfyUI nativos do noise, um workflow oficial de texto para música e o UE2 Turbo, um toolkit de serving que lida com solicitações simultâneas. Também há a skill de agente de música do UE2, em que um agent faz a edição da partitura para você, e o repo recomenda GPT-6 Astra como esse agent. Não testei o agent; só executei o processo de edição manualmente. Então, neste vídeo, vimos como executar o UE2 em uma GPU alugada de 48 GB, criar uma música com letras minhas em cerca de um

12:05 minuto e mudar os acordes de uma partitura e renderizá-la novamente. Se tiver interesse, você pode conferir e experimentar no seu próprio sistema também. Se tiver uma placa de 24 GB, me conte como foi. O modelo é o UE2-3B, da MAB, e todos os links estão na descrição. Vejo você em outro vídeo. Confira o próximo vídeo.

Transcrição original

[00:00] All right. In this video, we will see Ue2, an open music generation model where you give it lyrics and a style line and a full song with vocals and instruments comes back at 48 kHz stereo. You can see the lyrics I typed here, four lines of verse and two lines of chorus, and this is the song it gave me, 76 seconds long.

[00:31] Now, mind you that my laptop cannot run this model. It has an 8 GB GPU and the model wants 24, so everything you hear was generated on a rented GPU that cost me well under a dollar. Let’s go ahead and test this out. So, this is the repo multimodal art projection/UEE. If you look here on the right, it has about 11.7 thousand stars, 1.3 thousand forks, and 13 contributors. The description says Ue2, frontier music generation with symbolic planning, zero-shot covers, and agentic music editing.

[01:02] Now, the name might look familiar because the original Ue lived in this same repo and the authors have moved it to a branch called Ue version 1. So, the main branch is now all Ue2. The code is under Apache 2.0. If we go to releases, you can see the latest one is Ue2 version 0.1.6 from early September, and there is a second release for the agent skilled Ue2 music 1.2.0 from late September. The last push to the repo was on the 6th of October, so this is moving fast. Now, what makes this different from just typing a prompt

[01:33] and getting audio? Here in the readme, it says that you give it lyrics and a style prompt, and it first writes a melody and chord plan, and only then turns that plan into a complete song. So, the plan is the middle step, and it is written in ABC notation, which is plain text sheet music. You can see on the architecture picture that style and lyrics become a score, then semantic music tokens, then acoustic latents, and then a decoder turns those into stereo audio. Under the hood, it is one backbone. They call it an ARN ARM mixture of transformers. The

[02:04] autoregressive part predicts the score and the semantic tokens. And then flow matching generates the acoustic latents and AVAE decodes those into audio. The Python side exposes exactly those stages: plan, generate semantics, synthesize, and decode one after the other. And the reason this matters is the setting called COT. If you set it to full, which is the default, it generates the plan and you can read it. If you set it to melody, it plans only the melody and leaves the accompaniment free. And that is what they recommend for covers.

[02:34] And off means it goes straight from lyrics and style to audio. So, this is the thing we are going to poke at in this video because a score you can read is a score you can change. Before we run anything, the license. Because this is the part people get wrong. The code and the agent skill are Apache 2.0. The model weights, which you can see here on the Hugging Face page for U E23B, are CC BY NC 4.0 with an additional creator permission. And the readme table says it like this. Personal users, content creators, and musicians can use U E2 to

[03:06] monetize what they generate with no fees or royalties to the authors. Academic research and education is free for non-commercial use. And if you’re a company that wants to use the weights commercially, you have to contact them for a commercial license. So, the songs are yours to use, but you cannot just build a paid product on top of the weights. That is my reading of the table on screen. So, go and read the full terms file before you do anything serious. Now, the claim that got this repo trending on their benchmark while song bench, which is 192 prompts with

[03:38] automatic scoring from the 12th of September UE2, with best of eight samples score 6.96 and Miracle 9 score 6.94 and Suno V5 score 6.87. The normal UE2 setting, which picks from two candidates, scores 6.73, which puts it just under Suno V5 and above Suno V5.5 at 6.71 and Suno V6 at 6.56. And the old UE from the first version scores 4.9 on the same benchmark. So, the jump from version one is big. Mind

[04:09] you, this is the author’s own benchmark, and they say it themselves right under the table that rankings change depending on the metric and that the small gap between the top means does not establish statistical significance. So, what I take from it is that it is in the same range as the closed systems on this test, not that it has beaten them. The only way to know for your own taste is to listen, and they actually run a public listening arena for that with a link on the repo. So, the quick start says Linux Python 3.12 and an Nvidia GPU with BF16 support and 24 GB of VRAM

[04:43] because it produces 48 kHz stereo without quantization. Now, if you look at my machine here, Nvidia SMI says RTX 46 laptop with 8,188 MB, that is 8 GB. So, it is a third of what the model asks for. On top of that, I’m on Windows, and the Windows subsystem for Linux has no distribution installed on this laptop, and my D drive has only 2 and 1/2 GB free. So, the weights would not even fit. So, I did not try to squeeze it in. I rented an A40 on RunPod, which has 48

[05:13] GB of VRAM at 59 cents an hour. Now, for the setup, this is just a quick start from the readme. The pod comes with Python 3.112 already, so I clone the repo, make a virtual environment, upgrade pip, and run pip install. You can see in the log that the install took 1 minute and 30 seconds. Then, the command is python examples/generate.py with an output folder. On the first run, it fetches 11 files of model weights from Hugging Face, and the whole first run download included took 1 minute and

[05:44] 1 second. And the script prints the path to audio.flac and says truncated is false for both the score and the semantic tokens, which means the song was not cut off. This is the first song from the example request in the repo, warm piano pop at 88 beats per minute, and it is 59.9 seconds long, 48,000 samples per second, two channels. And the output folder keeps everything, not just the audio. >> [music]

[06:20] [music] >> The old [singing] face along the lane. Footsteps keep the time of [music] rain. Fold the night and leave it here. [singing and music] Morning has a sky [singing] to [music] clear. Let the day come into view. >> You can see the score.abc, the plan, the

[06:51] semantic tokens, the latent file, and the request and result JSON. So, if you ever want to know what a song was made from, it is all sitting there next to it. Now, I wanted to try my own lyrics, so I wrote a verse and a chorus about renting a GPU, and the style line says upbeat indie rock, energetic male vocal, electric guitar, bass, and live drums, 120 beats per minute with a fixed seed. This one took 60 seconds to generate and came out 76 seconds long. So, on this A40, it was about real time, and listen to how the words land against the melody

[07:22] on the chorus, because that is the first thing I check when lyrics come out of one of these models. >> [music] [music] >> One card [music] in the cloud, rented by the hour. >> [music] >> My laptop is too small, so I borrowed

[07:55] the power. Type in the lyrics [music] wait a minute or two, a whole song comes back vocals and all. Sing it, sing it. From a prompt to a song. Sing it, sing it. All night long. >> Now the editing part, which is the reason I’m excited about this. The repo

[08:25] has two score files, score.abc and scorejazz.abc. And the only difference is the chord symbols. If you look at the diff here, C becomes C major 7, G becomes G7, A minor becomes A minor 7, and F becomes F major 7. The notes, timing, meter, and tempo are the same. There is a helper script that checks this, and when I ran compare on the two files, it says match true with an empty list of differences. And it carries a note that it only claims the melody and meter are the same. It

[08:56] makes no claim about the audio. Then I generated both with the same settings, and the first one took 31 seconds and gave 22 seconds of audio. And the jazz one took 30 seconds and gave 24. >> Neon fades [music and singing] along the lane. Footsteps keep the time of rain. Fold [singing] the night and leave it here. [music] Morning has a sky to clear. Let the [singing] day come into view. Every [music] road begins with you. Hold a little room [singing] for light.

[09:27] We will sing beyond the night. Neon fades [music] along the lane. Footsteps keep the time of rain. [music] Fold the night and [singing] leave it here. Morning has a sky to clear. Let the day come into [music] view. Every road begins with you. Hold a little [music] room for light. We will sing beyond the night. [music] >> Now, this is what the docs say honestly that editing makes a new full recording.

[09:59] So, the singing and the timbre can change even where the score did not. It does not touch up the old waveform. So, think of it as changing the sheet music and asking the band to play it again. Now, covers. The way this works is a second model. Sheet Sage 2 transcribes a recording into a melody score and then Yui 2 takes that score with new lyrics or a new style. On their numbers across 948 works, the full score version reaches .647 on a retrieval metric called CLE dubious MAP versus .006 with

[10:29] no score at all. I did not run that transcription step because Sheet Sage 2 needs its own Python 3.10 or 3.11 environment with FFmpeg 6.1. So, I’m not going to claim I tested a real cover. What I did run is the included original melody fed in as a score in melody mode and it took 37 seconds for 37.5 seconds of audio. If you want to hear actual zero-shot covers, the author’s demo page has them and I have put the link in the description. >> Neon fades along the lane. [music]

[11:01] Footsteps keep the time of rain. Hold the night and leave it here. Morning has a sky to clear. Let the day [music] come into view. Every road begins with you. Hold [singing] a little room for light. We will sing beyond the night. >> [music] >> And if you You not want to touch Linux at all, the new section lists a free

[11:33] hosted demo from noise native comfy UI nodes with an official text-to-music workflow and UE2 Turbo a serving toolkit that handles concurrent requests. There’s also the UE2 music agent skill where an agent does the score editing for you and the repo recommends GPT-6 Astra as that agent. I did not test the agent, I only ran the editing path by hand. So, in this video we have seen how to run UE2 on a rented 48 GB GPU, make a song from my own lyrics in about a

[12:05] minute and change the chords of a score and render it again. If you’re interested, you can go ahead and check this out and try this out on your own system as well. If you have a 24 GB card and let me know how it goes. The model is UE2-3B from MAB and all the links are in the description. I’ll see you in another one. Check out the next video.