Google 将 Lyria 3.5 音乐生成引入 Gemini 应用和 API

Google 于 2026 年 9 月 4 日宣布，将其音乐生成模型 Lyria 3.5 推出至 Gemini 应用和 Gemini API，扩展了该模型在今年早些时候首次亮相的 Google Flow Music 工具之外的使用范围。公司在 在 The Keyword 上的公告 中称，该模型已在网页和移动应用上向全球所有 Gemini 用户开放。

Google 将 Lyria 3.5 描述为其音质最佳的音乐生成模型，并称其比早期版本提供了更具表现力的人声和更丰富的音乐编排，能够以更高保真度生成曲目。该模型于 2026 年 7 月 29 日首次在 Google Flow Music 中上线，当时 Google 表示它在音乐性、歌词和人声质量方面都有所提升。

Gemini 应用中的新创作控制

Gemini 应用中的 Lyria 3.5 版本新增了一套引导式创作功能。用户可以选择或描述音乐流派，并在人声或器乐风格之间进行选择。全新模板旨在启动从背景音乐到定制生日曲目的各种项目，用户现在还可以在短曲和长曲之间进行选择。

Google 表示，此功能面向视频自定义伴奏、品牌广告歌以及个性化铃声等使用场景。除了应用之外，Lyria 3.5 还可供艺术家和 AI 创意者在 Google Flow Music 中使用，并通过 Google AI Studio 和 Google Vids 向开发者和技术人员开放。

Google DeepMind 为 Lyria 系列提供的 Lyria 系列模型页面 称，该模型支持最长三分钟的可变歌曲时长，并能够生成与请求时长相匹配的连贯曲目，从 60 秒的片段到完整的三分钟歌曲。页面指出，用户可以自行编写歌词或围绕特定主题生成歌词，并可定义人声风格和声学偏好。页面还介绍了使用图像进行创作：用户可以上传图片，模型会将其转换为音轨。

通过 Gemini API 的开发者访问

根据 Google 于 2026 年 9 月 4 日更新的 音乐生成的开发者文档，Lyria 3.5 可根据文本提示或图像生成 44.1 kHz 立体声音频，具备包括人声、计时歌词和完整器乐编排在内的结构连贯性。文档列出了两种模型：Lyria 3 Clip（模型 ID 为 lyria-3-clip-preview），始终生成用于循环和预览的 30 秒片段；以及 Lyria 3.5（模型 ID 为 lyria-3.5），可生成包含数段副歌、桥段等，时长数分钟的完整歌曲。

这两种模型均通过 Google 的 Interactions API 访问，默认输出 MP3 音频，Lyria 3.5 还支持 WAV 输出。文档指出，开发者可以在文本提示的同时提供最多 10 张图像，模型将依据视觉内容创作音乐。他们还可以使用 Verse、Chorus、Bridge 等章节标签提供自定义歌词，并使用时间戳指定歌曲中特定时刻的演奏方式，例如乐器何时加入。文档称，以特定语言进行提示会生成该语言的歌词，模型会相应调整人声风格和发音。音频生成前，模型会根据提示推理音乐结构。

声明的限制与水印

开发者文档列出了若干限制。所有提示均会经过安全过滤，针对特定艺术家声音的请求或生成受版权保护的歌词会被阻止。音乐生成是单轮过程，当前版本不支持对同一生成片段进行多次提示的迭代编辑。即使使用相同提示，不同调用之间的结果也可能有所差异。

所有生成的音频都携带 SynthID 水印用于标识，Google 称该水印对人耳不可感知。DeepMind 的模型页面指出，所有曲目均以不可感知的 SynthID 水印标记，以便听众和平台辨别音乐是否由 AI 创作或编辑，并且 Google 通过广泛的过滤和数据标注来降低训练数据集中的有害内容以及有害歌词的可能性。页面还补充称，Google 正在持续改进关键能力，并建议用户确认生成的曲目符合其设想。

DeepMind 页面还指出，Lyria 系列是在制作人和音乐家的参与下开发的，并列举了早期艺术家使用 Google 音乐工具的实验案例，包括制作人 Wyclef Jean 在 Music AI Sandbox 的作品以及 Yung Spielburg 在配乐动画短片 Dear Upstairs Neighbors 时使用 Lyria 的案例。自 2026 年 9 月 4 日起，Lyria 3.5 已可通过 Gemini 应用、Google Flow Music、Google AI Studio 和 Google Vids 使用。