Die besten Open-Source-Modelle für Musik und Sound 2026

Die offene Musikgenerierung machte 2026 große Sprünge. Mehrere Modelle schreiben heute komplette Songs mit Gesang auf einer einzigen Gaming-GPU, eines streamt Musik in Echtzeit auf ein MacBook, und zwei machen aus einem Satz einen Soundeffekt. Qualität ist Geschmackssache, und die Lizenzen unterscheiden sich stark: ACE-Step und HeartMuLa sind großzügig, YuE2 ist nicht-kommerziell, MiniMax Music 3 verlangt Namensnennung und ab 20 Mio. US-Dollar Jahresumsatz eine Genehmigung, Stable Audio 3 deckt die freie kommerzielle Nutzung auf 1 Mio. US-Dollar. Lesen Sie die Lizenzzeile genau und fragen Sie einen Anwalt zum Urheberrecht, denn die Entwickler beschreiben ihre Trainingsdaten sehr unterschiedlich ausführlich.

  • Liste aktualisiert: 11. November 2026
  1. MiniMax Music 3 Größtes EN

    MiniMax' 11.1B-Songmodell: Text und Stilbeschreibung hinein, bis zu fünf Minuten 32-kHz-Stereo mit Gesang heraus. Es passt in BF16 auf eine 24-GB-GPU, und die Lizenz verlangt, dass Produkte den Modellnamen zeigen und Unternehmen über 20 Mio. US-Dollar Jahresumsatz eine schriftliche Genehmigung einholen.

    • MiniMax
    • 11.1B
    • MiniMax Music3 Community (Bedingt)
    • ab 24 GB
  2. YuE2 Neuestes EN

    M-A-Ps 3.6B-Modell schreibt zuerst eine editierbare Partitur und rendert dann 48-kHz-Gesang und Begleitung. Im eigenen Benchmark des YuE2-Teams erreicht es 6,73 gegenüber 6,87 für Suno v5 und führt dort die anderen offenen Modelle an, doch die Gewichte sind CC BY-NC und die Karte verlangt eine 24-GB-GPU.

    • M-A-P
    • 3.63B
    • CC BY-NC (Nicht-kommerziell)
    • ab 24 GB
  3. ACE-Step 1.5 Bestes kleines Modell

    Das MIT-lizenzierte Modell von ACE Studio und StepFun: komplette Songs in Sekunden, ab rund 4 GB VRAM beim 2B turbo DiT, mit Covers, Repainting und Texten in über 50 Sprachen. Hugging Face zählte in den 30 Tagen bis zum 11. November 2026 rund 97.000 Downloads des Haupt-Repositorys und 816.000 der ComfyUI-Kopie, und der Benchmark des YuE2-Teams stuft seine Qualität unter YuE2 und MiniMax Music 3 ein.

    • ACE-Step
    • 4B
    • MIT (Permissiv)
    • ab 4 GB
  4. HeartMuLa EN

    HeartMuLas Songmodell unter Apache 2.0 mit einem 3B-Sprachmodell und dem 48-kHz-HeartCodec: Text und Stil-Tags hinein, Songs bis zu vier Minuten heraus, mit etwa Echtzeitgeschwindigkeit. Der Benchmark des YuE2-Teams vergibt 6,25, knapp unter MiniMax Music 3, und das separat veröffentlichte MuLaCover-Modell ist CC BY-NC.

    • HeartMuLa
    • 3.94B
    • Apache 2.0 (Permissiv)
    • ab 26 GB
  5. Stable Audio 3 EN

    Stability AIs Familie für Instrumentalmusik und Soundeffekte: Das Medium-Modell erzeugt bis zu 6 min 20 s mit rund 8 GB GPU-Speicher, die Small-Modelle laufen auf der CPU eines Laptops. Kommerzielle Nutzung ist gratis bis 1 Mio. US-Dollar Jahresumsatz, und die Repositorys sind zugangsgesperrt (gated).

    • Stability AI
    • 1.4B
    • Stability Community (Bedingt)
    • ab 4.02 GB
  6. Magenta RealTime 2 EN

    Googles Live-Musikmodell spielt, statt Songs zu schreiben: Es streamt 48-kHz-Stereo frame für frame und reagiert in etwa 200 ms auf Text, Audio und MIDI. Small läuft auf jedem Apple-Silicon-MacBook, Base will eine M3 Pro, M2 Max oder besser, und die Gewichte sind CC BY 4.0.

    • Google DeepMind
    • 2.4B
    • CC BY 4.0 (Permissiv)
    • ab 2.53 GB
  7. MOSS-SoundEffect v2.0 EN

    OpenMOSS' 1.3B-Text-zu-Soundeffekt-Modell unter Apache 2.0: Atmosphären, Kreaturen und Aktionen bis zu 30 Sekunden bei 48 kHz, aus englischen oder chinesischen Prompts. Es nutzt 100 Sampling-Schritte und veröffentlicht weder Benchmark noch VRAM-Zahl.

    • OpenMOSS
    • 1.3B
    • Apache 2.0 (Permissiv)
    • ab 13 GB

So haben wir ausgewählt

  • Offene Gewichte, die Sie heute aus dem offiziellen Repository des Entwicklers herunterladen können.
  • Die Lizenz der Gewichte, nicht nur die des Codes, denn Musikmodelle hängen oft Umsatzgrenzen, Namensnennung oder nicht-kommerzielle Klauseln an.
  • Was das Modell erzeugt: Songs mit Gesang, Instrumentalmusik, Live-Streaming oder Soundeffekte sind unterschiedliche Aufgaben und werden getrennt beschrieben.
  • Qualität ist Geschmackssache, deshalb beschreiben wir Funktionen, Längen und Hardware statt nach Klang zu ranken. Benchmark-Scores sind als die des Entwicklers gekennzeichnet.