# MERT2音乐表示模型

YuE2 用一个约 3.58B 参数的 AR–NAR Mixture-of-Transformers 先写出包含旋律、和弦、调性、拍号、速度与曲式的 ABC 乐谱，再展开为语义音乐 token 并渲染成整首歌的音频，配套的 MERT2 与 SheetSage2 从录音中构造语义与符号监督；同一检查点下专家以 49.3% 对 34.6% 偏好带符号规划的生成，在 WildSongBench 上 YuE2 的 SongBench Global Avg 为 6.7316、best-of-8 为 6.9632，MERT2 在 15 项 MARBLE 指标中的 14 项超过此前最好结果，SheetSage2-AR 在 15 个基准–指标对中的 12 个领先。

YuE2 用一个约 3.58B 参数的 AR–NAR Mixture-of-Transformers 先写出包含旋律、和弦、调性、拍号、速度与曲式的 ABC 乐谱，再展开为语义音乐 token 并渲染成整首歌的音频，配套的 MERT2 与 SheetSage2 从录音中构造语义与符号监督；同一检查点下专家以 49.3% 对 34.6% 偏好带符号规划的生成，在 WildSongBench 上 YuE2 的 SongBench Global Avg 为 6.7316、best-of-8 为 6.9632，MERT2 在 15 项 MARBLE 指标中的 14 项超过此前最好结果，SheetSage2-AR 在 15 个基准–指标对中的 12 个领先。