日期：2026-09-13（GPU 机本地时间 09-14 00:xx） 机器：GPU 机 192.168.31.31（RTX 5060 Ti 16GB / 32GB RAM） 仓库：ScryptHunter/ComfyUI-YuE2（piscesbody/ComfyUI-YuE2 的兼容性 fork） 结论：已跑通。16GB 卡上文生音乐（cot=off 与 cot=full 两档）+ 参考音频转乐谱（SheetSage2）全部成功，零 OOM。你贴的那段"改哈希"偏方在本 fork 上不需要。
| 你贴的说法 | 实测核实结果 |
|---|---|
| 第二页之后功能都报"拒绝跨站请求" | 属于 T8 整合包（另一套东西）的问题，与 ComfyUI 版无关；本机未复现 |
| ComfyUI 版文生音乐会爆显存 | 成因确定：没按 fork 的 Memory Preset 设显存档。按 16GB 档（memory_budget_gib=16 + offload_ar=True + vae_decode=tiled + tile=384）实测峰值仅 9.26–10.05 GiB，完全不爆 |
| 参考生音乐（参考音频）正常 | 本机 SheetSage2 参考音频链路同样正常（另有独立坑，见第四节 nvrtc） |
改 modeling_sheetsage2.py 的 BASE_CODE_HASHES 才能跑 | 说法本身是真的（该哈希表确实存在，见第二节），但本 fork 不需要改：fork 是在运行时内存里重算 inv_freq，不动磁盘上的 modeling_mert2.py，所以完整性校验本来就通过 |
| 与 custom_nodes 里的 qwen asr 冲突 | 本机未安装 qwen asr 节点，无法验证（标注为未核实）。机理上两者确实会撞同一个地方：都可能往 ~/.cache/huggingface/modules/ 注入同名模型代码目录 |
BASE_CODE_HASHES 的核实（你贴的那两行）已核对上游 m-a-p/SheetSage2 仓库源码 —— modeling_sheetsage2.py 第 26 行确有：
BASE_CODE_HASHES = {
"configuration_mert2.py": "77b53ec9d7ee31a599d744fb006e812c7eeaf7390deb46e2f460cf8c17b00bd6",
"modeling_mert2.py": "b1a3174e5649c4b26b0c90d8626f0adacfbbba111a58ed3bb72ad651945a2f5c",
}用途是 MERT-v2 父模型完整性校验（第 245–249 行）：加载时把本地 configuration_mert2.py / modeling_mert2.py 的 sha256 与表中值比对，不符即抛 MERT-v2 parent integrity check failed。
它只在你手工改过 MERT2 代码文件时才会触发。而本 fork 的做法是 compat/sheetsage2.py 里的 fix_rotary_inv_freq() —— 在加载后对内存里的 buffer 重算 inv_freq（幂等），磁盘文件保持原样。所以：
改哈希 = 上游老版本/手工打补丁的绕法；用这个 fork 就别改，改了反而失去一层完整性保护。
| 项 | 值 |
|---|---|
| ComfyUI | 0.34.0（--lowvram --force-fp16 --reserve-vram 1.0 --fast-disk --cache-lru 20） |
| Python / torch | 3.12.3 / 2.11.0+cu130 |
| transformers | 5.14.1（fork 的 compat/transformers5.py 负责适配） |
| numpy | 2.4.4 |
| GPU | RTX 5060 Ti 16311 MiB，驱动 610.43.02 |
装完依赖后 torch / transformers / numpy 版本一个都没变（这正是该 fork 的主打卖点）：
Successfully installed decorator-5.3.1 importlib_resources-7.1.0 mido-1.3.3
mir_eval-0.8.2 pretty_midi-0.2.11.post0 tiktoken-0.14.0# 1) 节点
cd /home/zyw/ComfyUI/custom_nodes
git clone --depth 1 https://github.com/ScryptHunter/ComfyUI-YuE2.git
/home/zyw/ComfyUI/venv/bin/python -m pip install -r ComfyUI-YuE2/requirements.txt
# 2) 模型（放 /home/zyw/ComfyUI/models/）
# YuE2/YuE2-3B/（含 yue2_infer-0.1.5-py3-none-any.whl） 6.8 GiB sha256 1d55c42c…（官方 manifest 一致）
# YuE2/YuE2-Vae/ 507 MiB sha256 校验一致
# SheetSage2/ 223 MiB
# MERT2/MERT-v2-FullSong/ @d8ba1c745e733b3908ce6ad16ebeb17ac7600a42 2.4 GiB sha256 e6dd2ab1…（一致）
# 注意：不要 pip install 那个 whl（fork 会自己隔离解压到 .yue2_runtime/）
# 3) 重启 ComfyUI（脚本已固化，见第五节）
bash /home/zyw/start-comfyui.sh重启后节点注册情况：25 个——YuE2Loader / YuE2Sampler / YuE2Plan / YuE2RenderPlan / YuE2MemoryPreset / SheetSage2Loader / SheetSage2Transcribe / …，零导入报错。
hf CLI 下载大文件 401（HF Xet 与镜像不兼容）RuntimeError: File reconstruction error: CAS Client Error:
HTTP status client error (401 Unauthorized), domain: https://cas-server.xethub.hf.co/...hf-mirror.com 只能拿到元数据；官方 Xet(CAS) 存储的 blob 会 302 到 cas-bridge.xethub.hf.co 并在重构阶段 401。设 HF_HUB_DISABLE_XET=1 也按不住（hf 1.26 仍走 Xet 路径），且失败时 hf download ... | tail 会静默 exit 0，看着像成功、其实一个字节没下。hf 客户端，直接 curl 镜像的 resolve 直链（302 后 200，签名 URL 可用 1 小时），并且因为镜像限单连接速度（实测 3 MiB/s），改用分块并行（8 通道实测 ~20 MiB/s，7.26GB 主权重约 6 分钟）。yue2-get.sh（分块 + sha256 校验 + 原子落位）、yue2-par-dl.sh、yue2-par-finish.sh（续传拼接）。pkill 顺序下载脚本时，孤儿 curl 仍持有同一 inode 继续追加，把"已下载头部"从 1.32GB 撑到 3.66GB，拼接必错。杀下载要 pkill -x curl，不能只杀脚本。RuntimeError: cuDNN Frontend error: [cudnn_frontend] Error: No valid execution plans built.
at yue2/cuda_graph.py:153 in _decode() ← CUDA Graph 捕获阶段attention_backend="auto" 在探测不到内置 FlashAttention 时会强制切到 cuDNN SDPA（作者是为 Windows 打包写的补丁）；本机 torch 2.11+cu130 的 cuDNN 前端在这组「GQA + bool mask + CUDA Graph 捕获」条件下建不出计划。models/yue2_patch.py.bak-yue2sdpa）：
torch.backends.cuda.enable_cudnn_sdp(False)（否则即使选 sdpa，torch 仍可能把 SDPA 路由回 cuDNN）；auto 的兜底后端由 cudnn 改成 sdpa；attention_backend="sdpa"。sdpa 分支稳定跑通（CUDA Graph 捕获正常）。nvrtc: error: failed to open libnvrtc-builtins.so.13.0MERT2.forward → torchaudio Spectrogram → torch.stft 抛 RuntimeError，异常消息是一大坨 CUDA C 源码，真正的错误藏在末尾：nvrtc: error: failed to open libnvrtc-builtins.so.13.0。venv/lib/python3.12/site-packages/nvidia/cu13/lib/libnvrtc-builtins.so.13.0，只是不在动态库搜索路径里，JIT 编译内核时 dlopen 失败。LD_LIBRARY_PATH 加上 nvidia/cu13/lib 与 nvidia/cuda_nvrtc/lib（已固化进 /home/zyw/start-comfyui.sh）。torch.stft 两种环境都正常，只有 torchaudio 的 Spectrogram 走 JIT 才暴露；带 LD_LIBRARY_PATH 后 torchaudio Spectrogram OK (1, 201, 3001)。ssh_exec.sh 静默 30 秒即杀会话~/Downloads/ssh_exec.sh 里 set timeout 30 —— 远程命令只要静默超过 30 秒（sleep、长下载、等服务起来），expect 就超时并杀掉整个 SSH 会话，表现为"输出莫名断半截"。已改为 set timeout -1（备份 ssh_exec.sh.bak-20260913），并把固定启动命令固化成 /home/zyw/start-comfyui.sh。
cot=off（不做乐谱规划）[YuE2] 63.3s @48000Hz | cot=off seed=831001 | abc_tokens=0 sem_tokens=1583
| e2e=59.5s | semantic=40.0s | peak_vram=9.26GiB端到端 66 秒，产出 48kHz 立体声 FLAC 63.28 秒。
cot=full（先出乐谱规划再渲染）[YuE2] 171.7s @48000Hz | cot=full seed=831001 | abc_tokens=1394 sem_tokens=4293
| e2e=222.1s | abc=27.8s semantic=145.4s | peak_vram=10.05GiB端到端 222 秒（3.7 分钟），产出 2 分 52 秒、48kHz 立体声 FLAC（28MB 无损）。同时保存了 AI 生成的 ABC 乐谱规划（F 调 / 73 BPM / 带 Bbmaj7、Am7 等和弦与 Vocal+Ins 双声部）。
输入上面那首 63 秒的歌：
[ComfyUI-YuE2] SheetSage2 is using local MERT2: /home/zyw/ComfyUI/models/MERT2/MERT-v2-FullSong
[SheetSage2] duration=63.3s vocal_notes=35 ins_notes=99 chords=19 sections=5 elapsed=2.9s| 档位 | memory_budget_gib | offload_ar | vae_decode | tile |
|---|---|---|---|---|
| 12 GB | 12 | True | tiled | 256 |
| 16 GB（本机） | 16 | True | tiled | 384 |
| 24/32 GB | 24/32 | False | tiled | 0(自动) |
| 48 GB+ | 48 | False | full | 0 |
"爆显存"几乎肯定是没设这个档（默认 memory_budget_gib=24 + offload_ar=False + 48GB 工作流里的 vae_decode=full）。
方式 A（推荐，GUI）：ComfyUI 打开 http://192.168.31.31:8189 → 菜单 Workflow → Open → custom_nodes/ComfyUI-YuE2/example_workflows/YuE2_Text_to_Song.json（另有 YuE2_Reference_Remix.json）。 改动点：YuE2MemoryPreset 选 16 GB；YuE2Loader.attention_backend 选 sdpa（别用 auto/cudnn）。
方式 B（API 脚本，本次用的）：
python3 yue2-run.py --cot full --sem-mx 9000 --attn sdpa \
--lyrics-file yue2-lyrics-zh.txt --style "Mandarin pop ballad, warm female vocal, ..." --tag zh-full
# 参考音频转乐谱：先把音频放进 GPU 机 ComfyUI/input/，再
python3 yue2-sheetsage.py --audio ref-song.flac --tag refsong| 文件 | 说明 |
|---|---|
01-烟测63秒-cot-off.flac | 烟测成品（63.3s / 48kHz 立体声） |
02-中文完整版2分52秒-cot-full.flac | 完整版成品（171.7s / 48kHz 立体声） |
zh-full-AI生成的乐谱规划.abc | 完整版由 AI 生成的 ABC 乐谱规划（cot=full 阶段产物） |
参考音频转乐谱/ | SheetSage2 对烟测成品转谱的 8 个产物（abc/mid/json/lab） |
yue2-run.py | 文生音乐 API 提交+轮询+回传脚本 |
yue2-sheetsage.py | SheetSage2 转谱 API 脚本 |
yue2-dl.sh / yue2-get.sh / yue2-par-*.sh | 镜像直链分块并行下载器（含 sha256 校验） |
start-comfyui.sh | GPU 机 ComfyUI 启动脚本（含 LD_LIBRARY_PATH 修复） |
yue2-lyrics-zh.txt | 本次用的中文歌词 |
ComfyUI工作流/ | 5 个已装进 ComfyUI 的本机适配版工作流（json）+ 两个生成脚本 |
GPU 机关键路径：节点 ~/ComfyUI/custom_nodes/ComfyUI-YuE2/，模型 ~/ComfyUI/models/{YuE2,SheetSage2,MERT2}/，产出 ~/ComfyUI/output/{YuE2,SheetSage2}/，日志 ~/comfyui_8189_opt.log。
安装位置：GPU 机 /home/zyw/ComfyUI/user/default/workflows/YuE2/ —— ComfyUI 页面里 Workflows 侧边栏 → YuE2 分组，刷新页面即可见。
| 工作流 | 用途 |
|---|---|
YuE2-1-文生音乐-中文-16GB.json | 风格 + 中文歌词 → 完整歌曲（已预填本次那首中文歌） |
YuE2-2-文生音乐-英文示例-16GB.json | 官方英文示例，同样已适配 |
YuE2-3-参考音频改编-16GB.json | 参考音频 → 转谱 → 改编重渲染（Reference Remix） |
YuE2-4-全节点总览-16GB.json | 全部 25 个节点的视觉总览 |
YuE2-5-参考音频转谱-16GB.json | 单独跑 SheetSage2 转谱（不需要 YuE2），出 ABC/MIDI/分段 |
每个工作流都做了这些本机适配（原始示例直接 Queue 会崩）：
YuE2MemoryPreset = 16 GB（原 48 GB）YuE2Loader.memory_budget_gib = 16（原 24）YuE2Loader.offload_ar = True（原 False）← 这就是"爆显存"的直接原因YuE2Loader.attention_backend = sdpa（原 auto → 会切 cuDNN 报 "No valid execution plans built"）YuE2Sampler.vae_decode = tiled、vae_tile_frames = 384⚠️ 顺带修掉一个上游示例的隐藏 bug：两个文生音乐示例里
vae_decode存的是旧版布尔值true，而节点校验只接受tiled/full/false，直接 Queue 会报vae_decode must be 'tiled' or 'full'。已改。上游自带示例（
custom_nodes/ComfyUI-YuE2/example_workflows/）保持原样未改（避免 git pull 冲突），统一用上面这 5 个本机版。
生成/校验脚本：yue2-install-workflows.py（改参数 + 加 Note）、yue2-extra-workflow.py（生成第 5 个转谱工作流 + 连线一致性自检）。
~/.cache/huggingface/modules/ 注入同名模型代码（SheetSage2 确实会写 .../modules/SheetSage2/<rev>/），"用时互相移出 custom_nodes"这个规避手段合理但未在本机证实。4.7/更大 semantic_max_tokens：只测到 9000（未截断，truncated={'abc': False, 'semantic': False}），更长歌可再压。YuE2RenderPlan 用 abc_override 重渲染）：链路已具备，尚未实操。YuE2-Vae-legacy 未下载（仅基准复现用，非必需）。