想把一段歌词直接变成带人声、带伴奏的完整歌曲，又不想花钱订阅云服务？小编先给结论：YuE2-3B + WanGP 是目前比较省事的开源方案。有 24 GB 显存的 NVIDIA 显卡最稳；显存小也能靠 WanGP 的低显存模式跑，只是会慢；想试试看的话，免费 Colab 的 T4 也行，但不保证每次都成功。
YuE2 能根据风格描述和分段歌词生成整首歌，WanGP 则把模型选择、显存管理和输出整理都包进了一个浏览器界面。下面咱们一步步来。
YuE2-3B 是什么
YuE2 是 M-A-P 项目开源的音乐生成模型，当前公开的 YuE2-3B 接受“风格描述 + 歌词”，输出的是完整歌曲，而不是几秒钟的纯音乐片段。它还支持“符号规划”，也就是先规划旋律和和弦，再渲染成音频，共有三种模式：
- Full：先规划旋律和和弦再生成。
- Melody：只规划旋律，伴奏更自由。
- Off：不做规划，直接按歌词和风格生成。
模型文档和示例可以看 YuE 官方仓库。注意，权重单独发布，目前的 YuE2 权重是非商用许可，下面“能商用吗”一节会细说。
为什么用 WanGP，而不是手动跑
官方流程更适合熟悉 Python 环境、模型权重、CUDA 和命令行的人。WanGP 把这些麻烦事简化了。
WanGP 是免费开源的生成式模型界面，覆盖视频、图像、音频、音乐和语音。从 WanGP 13 起内置了 YuE2，可以直接在网页里选。好处包括：图形界面代替命令行、一个应用里切换模型、有低显存配置、带生成队列和输出保存，调提示词也不用改 Python 文件。
需要什么硬件
官方文档建议使用支持 BF16、约 24 GB 显存的 NVIDIA 显卡来跑原生流程。WanGP 会把部分模型卸载到内存，并在可用时使用量化配置，让较弱的硬件也能用。不过这不等于快：音乐生成本身很吃算力，低显存配置通常是拿速度换兼容性。
用 Google Colab 的话，免费 T4 通常有约 15 GB 显存，部分 WanGP 流程够用，但免费硬件会变、会话也可能被中断，只适合尝鲜，别当稳定的生产环境。
方案一：在自己电脑上安装 WanGP
长期用的话，本地安装比临时的云端笔记本稳定。官方仓库提供一键安装和手动安装两条路。
第 1 步：安装并打开 WanGP
从 WanGP 官方仓库 开始，多数用户建议走官方安装器，进阶用户可以手动配环境。装好后启动 WanGP，在浏览器里打开本地网页界面。
第 2 步：选择音乐分类
在模型选择器里切到音频/音乐，选中 YuE2。第一次选择时 WanGP 可能要下载模型文件，体积不小，请留足磁盘空间并保持网络稳定。
第 3 步：写风格提示词
别只写“好听的流行歌”，要给模型有用的信息。例如：
English indie pop, 92 BPM, warm female vocal, soft piano, atmospheric synth pads, restrained drums, emotional but hopeful chorus
好的风格提示词可以包含：曲风、速度、乐器、人声特点、语言、情绪和制作风格。
第 4 步：把歌词分段
分段歌词比一整坨文字更容易被模型理解，用段落标签标出来：
[Verse 1] Morning light across the bay Shadows slowly drift away [Chorus] Stay with me until the dawn Hold the moment, carry on [Verse 2] ...
每段别太长。歌词过密，模型容易赶着唱或者漏词。
第 5 步：选规划模式
如果 WanGP 开放了规划选项，原创歌曲建议先用 Full。想让人声旋律更稳、伴奏灵活一点，可以用 Melody；Off 最省事，但缺少明确的音乐规划。
第 6 步：开始生成
第一次用保守设置，别一上来就要很长的曲子。先出一小段确认环境、模型和提示词都正常，满意后再拉长时长，或在界面支持时分段续写。
方案二：在 Google Colab 上试 WanGP
WanGP 本身并没有把官方 Colab 笔记本当作主要安装方式，但社区有自动化脚本，例如 Wan2GP on Google Colab 社区项目。它在免费 T4 上测试过，能自动克隆 WanGP、装依赖并启动网页界面。由于它是第三方笔记本，WanGP 和 Colab 又更新频繁，偶尔出问题很正常。
- 从社区仓库打开笔记本。
- 在 Colab 里选择“运行时 > 更改运行时类型”。
- 选 GPU 加速器，免费版通常是 T4。
- 从上到下依次运行安装单元格。
- 让最后的启动单元格保持运行。
- 打开生成的 WanGP 网页链接。
- 选择音乐模型，当前版本有的话就选 YuE2。
如果报显存不足，可以降低占用高的设置、换更省显存的配置，或者换显存更大的 GPU。
怎么写提示词，歌才更好听
写编曲，不要只写曲风。“摇滚”太宽泛，换成“慢速另类摇滚，干净的电吉他，真实鼓组，男中低音，副歌吉他铺开、主歌克制”，模型的方向就清楚多了。
让副歌明显不同。想让副歌更饱满，就写出清晰的重复句，并说明编曲在这里加厚。短而重复的钩子句有助于建立“副歌感”。
别把每一行塞太满。音节过多的长句很难唱得自然。模型总在赶某一句，就直接缩短歌词，比只调参数管用。
多生成几版。AI 音乐有随机性，同样的想法每次的旋律、咬字、节奏都可能不同，多出几个候选再挑最好的。
需要知道的局限
- 歌词可能被跳过或改动：生成越长越容易跑偏。
- 发音不稳：人名、生僻词、多语言混用时尤其明显。
- 结构不一定稳定：段落可能比预期长或短。
- 速度慢：低显存模式通常依赖 CPU 卸载。
- 免费 Colab 是临时的：可能断线、重置，或者换了一块 GPU。
生成的歌能商用吗
“开源”不等于随便商用。目前 YuE2 的模型权重采用 CC BY-NC 4.0，带有非商用限制。变现或商业发布前，请先看 YuE2 当前的模型许可，代码和权重的许可也可能不同，两边都要核对。
常见问题（FAQ）
WanGP 里找不到 YuE2 怎么办？
把 WanGP 更新到最新版。YuE2 是新版本才加入的，旧安装可能没有。
显存不够报错怎么办？
换低显存配置、关掉其他占显存的程序、降低生成复杂度，或换更大显存的 GPU。
Colab 里的网页链接突然打不开了？
只有运行时和启动单元格都在运行时链接才有效。断线后需要重启笔记本并重新启动界面。
生成的歌漏了一部分歌词怎么办？
缩短过密的段落，用明确的 Verse/Chorus 标签，先试短歌。简化歌词结构，通常比硬塞所有句子更有效。
生成的歌可以直接发布到平台赚钱吗？
目前权重许可是非商用，商用前务必核对最新许可条款。
最后提醒一句：最好的做法是从一首短而结构清晰的歌开始，用具体的音乐描述写提示词，多出几版再挑选，把结果当作后期剪辑的起点，而不是一次就能出成品。