这是目前你能使用的最好的开源音乐生成器。你可以用 4GB 或更少的显存来运行它。此外，你甚至可以进行翻唱并编辑现有歌曲。根据一些基准测试，它甚至比 Sunno V6 还要出色，这相当疯狂。所以，这就是 UA2。首先，这里有一些演示片段。左边是提示词，用于规定歌曲的风格和流派；右边则是歌词。首先，这里有一段烟雾缭绕的爵士乐演示。
[音乐]
[音乐]
[音乐] >> 玻璃杯在安静的曲调中碰撞 [歌唱] [音乐] 伴随着渐行渐远的嗡嗡声 >> [音乐] >> 灯光昏暗闪烁。低语在绽放。[音乐]
霓虹微笑与轻声欢笑。[音乐] 友谊建立在脆弱的草稿之上 [歌唱]。入睡前，我会保留这段遥远的距离，[音乐] 黑暗中一抹发光记忆 [歌唱]。[音乐]
或者这里是另一个演示，展示的是 20 世纪 30 年代的布吉伍吉风格。
嘿，你能听到吗？那穿过 [音乐] 门板的切分音。旧鞋踩在新地板上。我的脚痒得想要更多 [歌唱]。嘿约翰，你能听到吗？布吉伍吉。这种节奏让我兴奋不已 [歌唱]。我们尽快去跳舞吧 [音乐]。我准备好了，我无法静止不动。来吧。嘿约翰，你能听到吗？布吉 [音乐和歌唱] 伍吉。心跳如旋律般跳动。在这拥挤的房间里旋转我。我们尽快去跳舞吧。
[音乐]
[音乐] 现在，它还支持不同的语言。所以，这里有一个西班牙语的例子。
舒适 [歌唱] [音乐] 且真实地。[歌唱]
嘿 [音乐]
[音乐和歌唱]
[歌唱] [音乐]
[歌唱]
[music]
或者这里有一个俄语的民谣电子例子。是的。[音乐和歌唱]
[music] 不可能吧。
[music]
[music]
[音乐] >> 或者这里有一个韩语的 emo（情绪摇滚）例子。[music]
[singing] [music] [singing]
[singing and music] >> 向上。
现在，真正酷的部分在于你也可以输入另一首歌曲作为参考。例如，它可以利用现有歌曲的旋律，但你可以改变风格。比如这里是《友谊地久天长》，但我们打算将其转变为一种时髦的爵士放克风格。[music]
[music]
[music]
是否应该忘记所有的相识，且永远不再 [音乐] 被 [歌唱] 想起？是否应该忘记所有的相识，以及旧日的时光 [音乐] 长久地 >> 或者这里有一个更疯狂的例子，我们可以输入这首贝多芬的曲目。一旦播放它，你可能会认出这里的旋律。我们将把它变成戏剧性的硬摇滚，而歌词仅仅是“我的钱包在哪？”
我的钱包在哪？[歌唱] 我的钱包在哪？我的钱包在哪？我的钱包在哪？我的钱包在哪？我的钱包在哪？我的钱包在哪？我的钱包在哪？我的钱包在哪？[music] 我的钱包在哪？我的钱包在哪？我的钱包在哪？我的 [音乐] 钱包？我的钱包在哪？或者这里是另一个例子，我们可以输入《铃儿响叮当》作为参考音频，但这次让我们把它变成小调版本。[music]
[music] 驾着单马敞篷雪橇奔驰穿过雪地。[music] 我们穿越田野，一路欢笑。铃铛在鲍伯尾巴上 [音乐] 叮当作响，让精神振奋。今晚骑马并唱一首雪橇歌 [歌唱] 是多么有趣啊。>> 《铃儿响叮当》[music]，铃儿响叮当，一路响叮当。哦，驾着单马 [音乐] 敞篷雪橇 riding 是多么有趣啊。>> 所以，这是一个非常灵活的工具，
也是迄今为止唯一一个能生成听起来不错的翻唱作品的开源工具。或者这里还有另一个你可以做的酷炫事情。你甚至可以将它链接到像 GPT Astra 或 GLM 这样的 AI 智能体，让它为你生成音乐或编辑。例如，让我们从这首流行歌曲开始。让我先播放给你听。
[music]
[music] >> 然后之后你可以进一步迭代它。例如，我们可以告诉它保持旋律和歌词不变，但通过重新和声使其更具爵士感，
但它听起来还不够像爵士乐。所以让我们告诉它去掉吉他。
[music and singing]
好吧，这只是一个非常快速简单的例子，展示你如何通过文本提示让智能体生成歌曲并迭代编辑它。现在，在我们介绍安装之前，值得注意它是如何工作的。所以，它不仅仅是将你的文本提示转化为完整的成品歌曲，而是首先写出一份可编辑的乐谱。所以这里有一个
例子展示了它写出了人声轨道和器乐轨道的音符，当然还有调性和速度。这本质上就是歌曲的基本五线谱，然后它利用这个作为骨干来实际生成完整的歌曲。正因为如此，它赋予了你非常灵活的编辑能力。这就是为什么从这首歌生成翻唱作品非常容易，或者改变
歌词甚至将调性从小调改为大调都很容易。而且请注意，如果你查看这些关于歌曲质量指数的基准测试，它不仅击败了其他开源模型如 Miniax Music 和 AEP 1.5，甚至击败了一些闭源模型如 Sunno V6 和 Sunno 5.5，这相当疯狂。然而，它在性能上略逊于 Sunno V5，有趣的是，至少根据这个基准测试来看，V5 听起来比版本 5.5 和版本 6 都要好。如果你从事任何类型的创作，一定要看看 Luma，本视频赞助商。把它想象成一个真实的 AI 工作空间，它可以陪伴你完成整个创作过程，而不仅仅是给你一个单一提示的结果。例如，假设我想为一个新产品创建一个完整的营销
活动。我不需要在一大堆不同的 AI 工具之间跳来跳去，我只需让 Luma 智能体自主完成所有工作。它可以在同一个工作空间内开发概念、生成视觉素材并塑造项目。特别有趣的是，它的 Luma 智能体理解诸如运动、物理和三维空间等概念。它不会完全接管
创作过程，你可以持续引导智能体、改变方向并在工作中完善结果。其中最强大的功能之一是 Luma 的技能（Skills）。你可以为经常执行的工作流创建可重用的技能。基本上，你给 Luma 一组指令一次，然后你就可以在任何时候在不同的素材上运行相同的工作流。例如，我可以
创建一个技能，我输入任何产品照片，它会输出一段网红谈论该产品的 UGC 视频。或者这里是另一个技能的例子，我可以上传产品照片，然后让它像这样掉入水中。Luma 基本上为你提供了一个智能的创作副驾驶，可以将你所有的创作工作流整合到一个地方。无论你是创建营销
广告推广：Luma 是用于品牌内容、产品视觉效果或社交媒体内容的最佳平台之一。请立即通过下方描述中的链接扫描此处的二维码试用 Luma。如果您有兴趣尝试，接下来我们将介绍安装方法。
点击顶部的 GitHub 链接并向下滚动，可以看到运行该项目的说明。但默认代码涉及 Python 编程，对部分用户可能不够直观。因此，我们将通过一个名为 ComfyUI 的可视化界面来运行它。这是目前最流行的在本地计算机上运行开源图像、视频和音频生成器的平台。
如果您不熟悉 ComfyUI，强烈建议先观看我的介绍安装和使用方法的视频。假设您已拥有 ComfyUI，第一步是将其更新到最新版本。在根目录的 comfy 文件夹中，点击进入 update 文件夹并双击“update Comfy.bat”以完成更新。
按任意键退出窗口后，启动一个新的 ComfyUI 会话。加载完成后，将 UA2 工作流拖入界面即可使用（完整工作流的下载链接在描述中）。保存 JSON 文件后，将其拖入 ComfyUI 界面即可自动加载预构建的工作流。
初次加载时可能会提示缺少模型，我们需要下载缺失的组件：音频编码器和检查点文件。首先点击 audio encoders 文件夹，下载大小为 1.4GB 的文件并保存到 ComfyUI/models/audio_encoders 目录中。
接着进入 checkpoints（检查点）文件夹，您可以选择下载完整的 BF-16 版本（7.8GB），如果您的显存低于 4GB，则可以选择较小的量化版本（3.96GB）。由于我的显存充足，我下载了完整版本。将其保存到 ComfyUI/models/checkpoints 目录中。
回到界面后，按 R 刷新模型列表。在加载检查点节点的下拉菜单中选择刚才下载的 BF-16 模型，即可消除所有错误提示。该工作流包含两个部分：顶部是将文本转换为完整歌曲；底部支持输入参考音频，可用于制作翻唱。
首先介绍“文生音乐”流程：顶部用于输入风格提示，描述流派、节奏和乐器等。例如：“未来贝斯、现代、充满活力、鼓舞人心”。底部输入歌词，支持元标签（如 Verse 1, Chorus 等）。这里演示一个包含一段主歌和副歌的简单例子。
输入后，数据进入“生成 ABC 节点”，该节点会生成乐谱符号。点击生成后，您可以在右侧看到预览的类似五线谱的内容，它规定了歌曲中的声乐和器乐旋律。随后，这些符号将与风格提示及歌词一起输入节点以生成音乐。
在设置中，您可以指定歌曲的最大时长（秒），当前设为 360 秒。如果歌词较短，生成的歌曲也会相应缩短。接着数据进入 K-sampler（K 采样器）进行实际生成。“种子”是每首歌的唯一 ID，当前设为固定值 7。
使用相同的提示和设置会得到完全相同的结果；若想生成不同的歌曲，请更改种子值或设为随机。步数（Steps）影响质量与速度：默认 32 步在质量和效率间取得了平衡。CFG（提示词相关性）控制 AI 对指令的遵循程度，若结果偏离风格可略微调高。
采样器和调度器（Sampler 和 Scheduler）使用默认值即可。随后进入解码步骤：如果您的显存超过 12GB，可以使用常规解码方法（速度更快）；若低于 12GB，建议使用分块版本。由于我的显存充足，我连接了常规解码路径。
首先按住 Shift 点击连接线并拖动到此处进行重连，然后将音频输出连接到对应位置。对于不需要使用的节点，按 Ctrl+B 禁用它即可。最后，点击“运行”按钮生成歌曲。稍后我将为您展示性能统计数据。
很快，我只用配备 RTX 5000（拥有 16GB VRAM）的笔记本电脑，生成时间仅略超过两分钟。接下来，让我把风格提示词和歌词拖到这里给你们看看。然后我播放一下生成结果给你听。（音乐与歌声）世界在改变，（音乐与歌声）在某条路上。但我从未选择的那每条路，[音乐] 都只是一扇我关上的门。所以我将点燃火焰。（音乐）我要创造星辰，将这些梦想[音乐与歌声]化为艺术杰作。我不需要知道[歌唱]结局走向何方，[音乐]我只需一点火花和追随的勇气。
[音乐] >> 现在，它的生成时间比我输入的要长得多。所以我本应该做的是将最大时长缩短到更贴合这些歌词的长度。但总之，这就是运行文本生成音乐工作流的方法。好的，现在如果我们回到这里的预览 ABC 部分，你可以看到它在此处生成的乐谱预览。这些基本上就是人声和器乐的音符。
现在，有些人想知道这是否可以进行纯器乐生成。答案是肯定的。例如，这是我的风格提示词：“史诗般的电影管弦乐，用于战斗场景，仅器乐”。然后对于歌词部分，我确实需要输入一些内容。通常我只是在方括号内输入我希望乐器发出的声音描述。例如，这里我写的是“断奏弦乐和民族鼓点的稳定推进”。这是我的生成结果。
[音乐] [音乐] 哦，[音乐] [音乐] 热度，热度。
好的，这就涵盖了文本生成音乐的部分。但如果你想输入一段音频作为参考或用于生成翻唱歌曲呢？这就是这部分的功能所在。按住 Control 键拖动选中这些紫色节点，然后按 Ctrl+B 取消旁路（unbypass）这些节点。这基本上允许你上传参考音频以生成 ABC 乐谱，并将其接入歌曲生成器中。这一步基本上取代了这里的“生成 ABC”节点。
首先，让我选中顶部的“生成 ABC”节点以及连接到它的预览节点。我将同时选择它们并按 Ctrl+B 旁路这些节点。我们要做的是将此节点的输出连接到“生成音乐”节点上。所以我要将这里的输出连接过来。好的，现在这个“生成音乐”节点应该连接到下面的部分了。
接下来我们需要做的是，对于这个加载音频编码器（load audio encoder），点击下拉菜单并选择你刚刚下载的音频编码器。然后在这里我们可以上传参考音频片段。例如，让我上传歌曲中的一段。（音乐与歌声）看着你走远 [歌唱和音乐] 而我的心碎了。
好的，那就是那首歌。接下来在这里，我们可以选择使用这段旋律作为参考，还是整首歌曲作为参考。区别很细微，但如果你想做翻唱或仅复制一首歌的旋律，我会选择“仅限旋律”。在这里你会输入这首歌想要的新风格以及歌词。对于这个例子，我只是输入与参考音频相同的歌词。对于风格提示词，让我们试试爵士乐，搭配随意的钢琴、萨克斯风、低音提琴和刷鼓。我们按运行。好的，这是我们的结果。（歌唱）看着你走远而我的心今天碎了。
[音乐] 就是这么简单。这就是使用音频参考功能的方法。当然，你不必使用相同的歌词。你也可以将歌词改为其他内容。例如，你可以让歌手唱另一种语言。这是一个非常灵活的工具。
这就涵盖了 Comfy UI 中 UA2 工作流的所有组件。这是目前你能使用的最好的开源音乐生成器，所以一定要试试。最后，我还想提一下许可证的问题。UA2 的代码和文档采用 Apache 2.0 许可证，限制非常少；但模型权重单独在此知识共享非商业许可下授权。因此在该条款中，它特别指出“主要意图或指向并非为了商业优势或金钱补偿”。所以这一点需要注意。我不确定你是否可以将生成内容发布到 Spotify 并从中获利。
总之，这就是我对 UA2 的教程和评测总结。这绝对是目前可用的最佳开源音乐生成器，所以一定要试一试并告诉我你的想法。如果在安装过程中遇到任何错误，欢迎在下方评论中复制粘贴确切的错误信息，我会尽力帮助你排查问题。一如既往，我将持续关注顶级 AI 新闻和工具并与大家分享。如果你喜欢这个视频，记得点赞、分享、订阅并关注更多内容。
此外，每周 AI 领域发生的事情太多了，我不可能在我的 YouTube 频道上涵盖一切。所以为了真正跟上 AI 领域的最新动态，请务必订阅我的免费每周通讯简报。链接将在下方描述中提供。感谢观看，我们下期再见。