YuE 2 en local: cómo instalarlo en Pinokio y crear música con IA

Qué es YuE 2 y qué puedes hacer con esta IA musical

YuE 2, también escrito YuE2, combina la generación de audio con una representación musical que puedes consultar y modificar. Además de describir cómo quieres que suene una canción, puedes aportar una referencia de su melodía y trabajar sobre ella.

Conviene distinguir las tres piezas del proceso. YuE 2 es el modelo que genera la música, YUE2 // GROOVE es la interfaz de trabajo y Pinokio se encarga de instalar y ejecutar la aplicación. GROOVE es un proyecto independiente que utiliza el modelo YuE 2, como explica su documentación del proyecto.

Al entrar encontrarás tres puntos de partida principales.

• New Song. Crea una canción nueva a partir de un estilo musical y una letra.
• Cover. Utiliza una grabación como referencia para obtener una representación musical y generar otra interpretación.
• Edit a Work. Recupera un trabajo anterior para revisar su composición y generar una nueva versión.

También puedes alternar entre las vistas Song y Studio. Song organiza el trabajo alrededor de una canción. Studio muestra las herramientas y los ajustes, con pestañas como Generate, Cover, Edit y Library.

Requisitos para usar YuE 2 en local con Pinokio

La memoria de la tarjeta gráfica condiciona qué configuración podrás utilizar. Para Torch, la referencia del modelo es una NVIDIA compatible con BF16 y 24 GB de VRAM. El motor GGUF permite trabajar con tarjetas de menor capacidad, aunque el margen disponible y la duración de la generación siguen importando.

Estas diferencias están recogidas en los requisitos de GROOVE y en sus pruebas del motor GGUF por plataforma. En Windows, el proyecto ofrece soporte con alcance limitado y documenta una generación completa mediante Pinokio con una NVIDIA de 8 GB. Que una opción aparezca en la interfaz no garantiza que esté validada en cualquier tarjeta.

RAM, procesador, almacenamiento y sistema operativo

Además de la GPU, resulta razonable preparar el equipo con el siguiente margen de trabajo.

• RAM del PC. 32 GB recomendados para disponer de margen durante la carga y ejecución de los componentes.
• Procesador. Un Intel o AMD moderno en PC, o el chip correspondiente en un Mac con Apple Silicon.
• Almacenamiento. Entre 40 y 50 GB libres en un SSD como recomendación práctica para modelos, dependencias, conversiones, cachés y canciones.
• Sistema operativo. Windows o Linux con una configuración gráfica compatible, o macOS con Apple Silicon.
• Conexión a Internet. Necesaria para descargar la aplicación, los paquetes y los modelos que falten.

Los 32 GB de RAM y los 40–50 GB de espacio libre son recomendaciones de uso, no mínimos oficiales universales. En Apple Silicon, la memoria unificada se comparte entre CPU y GPU, por lo que no debe interpretarse como una cantidad de RAM adicional a otra tarjeta gráfica.

Cómo instalar YuE 2 con Pinokio paso a paso

1. Instala Pinokio y abre Explore

Descarga Pinokio desde su web oficial e instálalo en tu ordenador. Si es la primera vez que lo utilizas, puedes seguir esta guía de Pinokio para instalar IA en local.

Abre el programa, entra en Explore y busca YUE2 // GROOVE. También puedes acceder a su ficha de instalación en Pinokio para localizar la aplicación correcta.

2. Descarga la aplicación e instala sus componentes

Entra en la ficha y pulsa Install. Completa el paso de Download si aparece y, una vez descargado el instalador, pulsa de nuevo Install dentro de la aplicación.

La descarga inicial del proyecto y la preparación de sus dependencias pueden aparecer como pasos separados. Espera a que termine el proceso. El primer arranque o la primera generación también pueden necesitar descargas de modelos, por lo que no conviene confundir esa espera con un bloqueo.

3. Inicia YUE2 // GROOVE

Cuando termine la instalación, pulsa Start si la aplicación no se abre automáticamente. Puedes trabajar desde la vista de Pinokio o desde la pestaña del navegador que se abra con la dirección local.

Selecciona New Song para empezar desde cero o entra en Studio → Generate. Antes de escribir una canción larga, revisa el backend con los ajustes del siguiente apartado.

Torch o GGUF: cómo configurar YuE 2 según tu GPU

El backend es el motor que ejecuta el modelo. Torch utiliza PyTorch, mientras que la opción GGUF de esta aplicación trabaja mediante yue2.cpp. Ambos permiten generar música, pero su forma de utilizar la memoria y ejecutar las operaciones es diferente.

GROOVE utiliza por defecto una cuantización Q8_0 de 8 bits para el modelo principal cuando seleccionas GGUF. Esto reduce el tamaño de sus pesos y facilita el uso en tarjetas con menos VRAM. GGUF admite otras cuantizaciones en general, por lo que el formato no significa siempre «8 bits».

Configuración inicial para NVIDIA de 8, 12 o 16 GB

1. Abre los ajustes con el icono de la rueda dentada.
2. Busca BACKEND y selecciona GGUF.
3. Conserva inicialmente los modelos y el resto de parámetros predeterminados.
4. Prepara una prueba breve con una estrofa y un estribillo.
5. Comprueba en el estado de la aplicación que la generación está utilizando GGUF.

La primera ejecución con este motor puede necesitar preparar sus archivos. Si GGUF no está disponible, revisa las instrucciones de actualización de la aplicación en Pinokio. La instalación de ese motor forma parte del flujo documentado por el proyecto.

Qué hace Memory Budget y por qué no debes ajustarlo para GGUF

Memory Budget no se aplica al motor GGUF de GROOVE. Tampoco utiliza los selectores Device y Dtype del panel para decidir su ejecución. El propio motor selecciona el backend de hardware disponible.

Por tanto, cambiar a GGUF y escribir «16» en Memory Budget no es lo que permite trabajar con una tarjeta de 16 GB. La reducción de consumo procede del motor y de su configuración. Estos límites están explicados en la documentación de selección y controles de GGUF.

Si utilizas Torch, el presupuesto de memoria sí forma parte de sus ajustes. Aumentar una cifra en pantalla no añade VRAM física al ordenador.

Cómo crear tu primera canción con YuE 2

En el recorrido básico de Generate debes preparar dos entradas, Style y Lyrics. La primera describe el sonido. La segunda contiene las palabras que quieres escuchar cantadas.

Describe el estilo musical con instrucciones concretas

Indica el idioma de la voz, el género, los instrumentos y el carácter de la interpretación. «Heavy metal» deja abiertas muchas posibilidades. Una descripción de las guitarras, la batería y la voz orienta mejor el resultado.

Este prompt sirve como punto de partida para un tema de heavy y power metal melódico.

Spanish vocals, melodic heavy metal, power metal, powerful and clear male lead vocals, distorted rhythm guitars, melodic lead guitar solo, electric bass, double-kick drums, energetic chorus.

Después de la primera escucha, cambia lo que no encaje. Si faltan guitarras o la voz resulta demasiado suave, concreta esos elementos. Evita acumular géneros y adjetivos contradictorios en un mismo prompt.

Escribe la letra y separa las partes de la canción

Para crear una canción cantada con este flujo, introduce la letra en Lyrics o impórtala desde un archivo TXT. No basta con indicar el estilo y esperar que ese campo escriba automáticamente el texto por ti.

Organiza la letra con etiquetas entre corchetes, como [Verse 1] para la primera estrofa, [Prechorus] para el preestribillo, [Chorus] para el estribillo y [Bridge] para el puente. Puedes identificar una repetición final con [Final Chorus].

Este ejemplo original muestra cómo distribuir las secciones.

[Verse 1]
Cruza la ciudad un tren
Bajo un cielo de cristal
Llevo el mapa que dibujé
Y las ganas de empezar

[Prechorus]
Se abre paso la mañana
Oigo al viento despertar

[Chorus]
Voy tras la luz del horizonte
Sigo el pulso del camino
Cada paso trae otra voz
Cada acorde, un destino

[Bridge]
Dejo espacio al porvenir
Quedan rutas por abrir

[Final Chorus]
Voy tras la luz del horizonte
Sigo el pulso del camino
Cada paso trae otra voz
Cada acorde, un destino

Las etiquetas ayudan a expresar la estructura, pero no garantizan que todas las frases encajen a la primera. La longitud de los versos, sus acentos y las pausas también influyen en la naturalidad del canto.

Utiliza Full y deja la partitura como opción para más adelante

Para empezar, selecciona Full en el modo de planificación y conserva los ajustes predeterminados. Este modo permite generar un plan musical con melodía y acordes antes del audio.

No necesitas aportar una partitura. Si ya tienes una referencia en notación ABC, puedes utilizarla para orientar la composición. Es una posibilidad especialmente útil cuando quieres intervenir en la música con más precisión.

Genera el tema y escucha más allá de los primeros segundos

Pulsa Generate y sigue el estado de la tarea. El tiempo dependerá del equipo, del backend y de la longitud del trabajo. Espera a que aparezca el audio terminado antes de iniciar otra generación.

Escucha la voz, la instrumentación y las transiciones entre secciones. En un tema de metal, por ejemplo, puede funcionar la melodía y faltar contundencia en la voz. Ese resultado sirve para ajustar la descripción o probar otra toma, sin dar por hecho que todo el género vaya a comportarse igual.

Notación ABC y opciones avanzadas de YuE 2

Qué es la notación ABC y para qué sirve

ABC es una forma de escribir música mediante texto. Puede representar notas, duraciones, compás, tempo, voces y acordes. La aplicación convierte esa información en una partitura visual para facilitar su lectura.

No es simplemente una escala musical ni una imagen de un pentagrama. El campo ABC trabaja con una representación simbólica de la composición. Puedes aportar una compatible, revisar la que genera el modelo o utilizar la obtenida al transcribir una grabación.

En los modos de planificación, Full combina melodía y acordes, Melody trabaja con un plan melódico que deja más libertad al acompañamiento y Off prescinde de ese plan previo.

Qué diferencia hay entre ABC Phase y Semantic Phase

ABC Phase

Controla el muestreo durante la creación del plan musical. Sus ajustes afectan a las decisiones del modelo al escribir la representación ABC. Si estás empezando, puedes dejarlos como vienen y centrarte en la letra y el estilo.

Semantic Phase

Controla el muestreo de la representación semántica de la canción, que después pasa por las etapas de síntesis y decodificación hasta convertirse en audio. Sus parámetros permiten explorar variaciones de interpretación a partir de unas mismas instrucciones.

Temperatura, Top P, Top K y otros controles

Los 4096 tokens que puedes ver en ABC Phase no equivalen automáticamente a seis minutos de canción. Ese límite corresponde al plan escrito. La duración depende también de la letra, del plan musical, del presupuesto semántico y del contexto disponible.

La guía de controles de generación de GROOVE explica estos parámetros con ejemplos. Para aprender qué cambia cada uno, mantén el mismo estilo y la misma letra y modifica un solo ajuste por prueba.

Cómo descargar canciones y recuperar trabajos en Library

Cuando termine una generación, puedes reproducirla y utilizar el botón de descarga del reproductor para guardar el archivo FLAC. Es un formato de audio sin pérdida. Conserva el audio exportado sin añadir compresión con pérdida, aunque no elimina los posibles defectos de la generación.

Qué información puedes consultar en la biblioteca

Entra en Library y selecciona el trabajo. Además del reproductor, encontrarás información útil para continuar sobre la misma idea.

• Estilo y letra. Puedes recuperarlos para preparar otra versión.
• Parámetros de generación. Permiten comprobar cómo se configuró la toma.
• Datos del audio. Incluyen información como la frecuencia de muestreo o sample rate.
• Partitura ABC. Muestra el plan musical cuando el trabajo dispone de él.

Guardar estos datos facilita una comparación ordenada. Aun así, cambiar de backend, hardware o versión puede producir otro resultado aunque mantengas la semilla. El proyecto detalla estas condiciones en su documentación sobre resultados y reproducibilidad.

Cómo editar una canción o reutilizarla para un cover

Desde la biblioteca puedes abrir un trabajo en Edit o utilizarlo como punto de partida de Cover. También puedes eliminar las pruebas que no quieras conservar.

La edición de GROOVE permite revisar la composición y generar otra interpretación. Para un trabajo con partitura, el flujo documentado consiste en cargarlo, fijar una base con Freeze Baseline, editar, comprobar los cambios con Check Invariants y generar la versión revisada.

El resultado es una nueva grabación. No debe confundirse con recortar una palabra en un editor de audio y conservar intacto todo lo que la rodea.

Cómo hacer un cover con YuE 2 a partir de una canción

El modo Cover permite utilizar una grabación como referencia musical. El proceso analiza el audio, obtiene una partitura ABC y utiliza esa información junto con el estilo y la letra de la nueva versión.

La referencia ayuda a orientar la melodía, pero la voz y la interpretación final pueden cambiar. La documentación de Cover y Edit describe este recorrido y aclara que el condicionamiento musical no conserva la identidad del cantante original.

1. Sube el audio y elige qué quieres transcribir

Entra en Studio → Cover y carga el archivo de referencia. La aplicación admite grabaciones en formatos como WAV, MP3 o FLAC.

Para el recorrido de melodía vocal e instrumental, selecciona MELODY // VOCAL+INST. Si te interesa únicamente la línea cantada, existe la opción MELODY // VOCAL. El modo FULL SCORE // + CHORDS incorpora también acordes.

2. Pulsa Transcribe y revisa la partitura

Pulsa Transcribe y espera a que termine el análisis. Esta tarea utiliza SheetSage2 para extraer información musical. No entrena YuE 2 con la grabación ni rellena automáticamente la letra que quieres cantar.

Si la transcripción falla con Auto o CUDA, prueba CPU en el selector de dispositivo de Cover y repite la operación. Puede ser una alternativa útil, aunque tardará más y no resolverá errores ajenos al dispositivo.

Este cambio afecta a la transcripción del audio. La generación posterior de la canción puede seguir utilizando GGUF y la tarjeta gráfica.

Al terminar aparecerán el texto ABC y su representación como partitura. Revísalos si tienes conocimientos musicales. Una transcripción puede contener errores que después se trasladen al cover.

3. Añade el estilo y la letra de la nueva versión

Puedes seguir dos recorridos según cuánto quieras ajustar la generación.

• Generate Cover. Añade el estilo y la letra en el apartado de generación directa de Cover.
• Send to Generate. Envía la partitura a Generate para trabajar allí con los ajustes y el modo de planificación correspondiente.

Para conservar la melodía y dar más libertad al acompañamiento, el recorrido de melodía utiliza Melody. Si trabajas con una partitura completa que incluye acordes, corresponde el modo Full.

Cuando cambies la letra, procura que cada frase respete el espacio musical disponible. Una línea puede tener un número parecido de caracteres y, aun así, encajar mal por sus sílabas, acentos o pausas.

4. Genera el cover y comprueba el fraseo

Pulsa Generate Cover o Generate, según el recorrido elegido. Después escucha el tema completo y compara la melodía, las entradas de la voz y las transiciones entre partes.

Es posible reconocer bien la referencia y encontrar algún tropiezo vocal. En ese caso, identifica la frase concreta que se corta, revisa su ajuste musical y prepara otra versión. Cambiar toda la letra o todos los parámetros a la vez hace más difícil entender qué ha mejorado.

Problemas frecuentes al utilizar YuE 2 en local

La generación falla por falta de memoria

Si aparece un error como CUDA out of memory, comprueba qué backend está realmente activo. Con una NVIDIA de 16 GB o menos, empieza por GGUF y cierra otras aplicaciones que estén utilizando la GPU.

Prueba primero con una letra breve. Si la aplicación conserva modelos cargados tras un fallo, detén y vuelve a iniciar su proceso desde Pinokio antes de repetir. Aumentar Memory Budget por encima de la memoria disponible no soluciona el problema.

Aparece Torch Eager y sigue fallando

Torch Eager sigue siendo una ruta de ejecución de PyTorch. Puede utilizar la GPU y no equivale a activar GGUF. GROOVE recurre a ella en determinados entornos que no disponen del kernel de atención requerido por la otra ruta de Torch, tal como explica su documentación de configuración.

Si el problema es el consumo de VRAM, comprueba la selección de GGUF en Backend en lugar de asumir que Eager ya ha reducido los requisitos.

Falla la transcripción del cover

Comprueba si el error aparece al pulsar Transcribe o al generar la canción. Si ocurre durante la transcripción, prueba CPU en ese apartado. Si persiste, revisa el mensaje de error y la instalación de los componentes de Cover.

La generación y la transcripción utilizan componentes separados. Que puedas crear una canción nueva no demuestra que la preparación de Cover esté completa.

La voz se atasca, corta palabras o entra fuera de tiempo

Escucha dónde se produce el fallo y compara la frase con su espacio en la melodía. Acorta versos demasiado densos, revisa dónde caen las sílabas tónicas y respeta las pausas entre ideas. En un cover, estas decisiones suelen ser más útiles que añadir instrucciones cada vez más largas al estilo.

El resultado tiene poca fuerza o se aleja del género

Separa lo que falla. Puede que la instrumentación encaje y la voz no, o que el estribillo necesite más energía. Ajusta esa parte de la descripción y prueba otra semilla. Una toma poco convincente no permite concluir cómo está representado un género en el entrenamiento del modelo.

YuE 2 o ACE-Step: cuál elegir para crear música con IA

Conviene valorar por separado la creación desde cero y los covers. Una herramienta puede ofrecerte una voz que te gusta más al componer libremente y otra puede resultar más útil cuando quieres conservar una referencia melódica.

Para generar temas desde cero, mi preferencia sigue siendo ACE-Step. En los covers, YuE 2 me resulta más convincente por el resultado melódico y la posibilidad de trabajar con la partitura. Es una valoración de escucha, y puede cambiar según el estilo y lo que busques en cada canción.

Si quieres comparar ambas opciones, puedes seguir esta guía de ACE-Step 1.5. También tienes HeartMuLa como otra alternativa para explorar la creación musical con IA.

Utiliza la misma letra y una descripción equivalente, y escucha varias versiones de cada herramienta. Fíjate en la pronunciación del español, la coherencia del tema, el carácter de la voz, el respeto a la melodía y la estabilidad en tu ordenador. Esos criterios te ayudarán más que elegir únicamente por la primera generación.

Preguntas frecuentes

¿Se puede utilizar YuE 2 con 8 GB de VRAM?

Existe una prueba documentada con una NVIDIA de 8 GB utilizando GGUF. Es un mínimo práctico con limitaciones de contexto y duración, no una garantía para cualquier equipo o configuración.

¿Qué backend conviene con una NVIDIA de 16 GB?

Para el uso descrito en esta guía, recomiendo GGUF. Torch puede agotar la memoria incluso con 16 GB, y el resultado depende del sistema, de los componentes y de los parámetros de generación.

¿YuE 2 funciona con AMD y Apple Silicon?

Apple Silicon está contemplado por GROOVE, con 32 GB o más de memoria unificada recomendados. En AMD existe una vía mediante Vulkan en el motor GGUF, pero el flujo completo de esta aplicación todavía no está validado al mismo nivel.

¿Puede crear canciones en español?

Sí. Introduce la letra en español e indica ese idioma en el estilo. Después revisa la pronunciación y el encaje de las frases, especialmente si utilizas una melodía de referencia.

¿Necesito saber música o escribir una partitura ABC?

No para crear una canción básica. Puedes aportar el estilo y la letra y dejar que Full prepare el plan musical. ABC aporta más control cuando quieres revisar la composición o trabajar con un cover.

¿Cuánto tarda en generar una canción?

No hay un tiempo único. Influyen el hardware, el backend, la duración y la carga inicial de modelos. Compara los tiempos de tu equipo una vez completadas las descargas y la preparación inicial.

¿El modo Cover clona la voz de la grabación?

No es un flujo de clonación de voz. Utiliza una representación musical de la referencia para orientar una nueva generación, cuya voz e interpretación pueden ser diferentes.

¿YuE 2 es gratis y permite monetizar las canciones?

La licencia del modelo incluye un permiso adicional para creadores individuales que permite utilizarlo y monetizar sus resultados sin tasas ni regalías al proyecto, bajo sus condiciones. El uso comercial de los pesos por empresas tiene condiciones diferentes. Este permiso tampoco concede derechos sobre material de terceros utilizado como referencia.