谷歌Lyria 3凌晨突发！照片秒变30秒神曲，音乐圈的饭碗要被端了

关注CAIE，国内头部AI人才认证、培训体系，助你在职场升职加薪。

今天凌晨，谷歌重磅发布音乐模型 Lyria 3，并且直接集成在 Gemini 里，未来几天全球用户全员开放，这回是真·人均音乐人了。

Lyria 3这次最狠的地方在于，不只是能理解文字，你甩一张照片或者一段视频过去，就能给你整出一首 30秒的配乐。音乐的多模态理解力，真的太惊艳了。

用过之前Lyria系列模型的能明显感觉到，这次的Lyria 3在音频生成上直接拉满了，核心就三个大升级，每一个都踩在创作者的需求上。

首先是不用自己绞尽脑汁写歌词了，模型会顺着你的提示自动编出适配的歌词，彻底告别词穷的烦恼。

创作的掌控感变高了，不管是音乐风格还是人声、节奏这些细节，都能按照自己的想法调，想做温柔的慢歌还是炸场的快节奏都可以。

最后就是做出来的曲子质感更棒了，不仅听着更真实，编曲的复杂度也上去了，不再是那种单薄的简单旋律，整体的音乐性提升特别多。

Lyria 3生成的玩法也更多了：第一种是文字生成音乐，你只要把自己想要的感觉说清楚就行。

比如具体的音乐流派、当下的心情，甚至是一段专属的小回忆、小玩笑，模型都能接住，做出来的曲子要么带歌词要么纯器乐，完全贴合你想要的心境。

你想给妈妈做首歌，怀念小时候一起的时光，指定做成欢快的非洲节拍曲风，模型都能精准还原这份心意。

第二种玩法更高效，可以用图片或者视频直接生成音乐。你把素材传上去，Gemini 会先读懂内容的氛围，再顺着这个感觉作曲写歌词，相当于给你的画面量身打造专属BGM。

比如你传了狗狗在林间徒步的照片，模型就能围绕这个场景做出一首温馨的小曲子，氛围感直接拉满。

并且生成的 30 秒音乐片段，还会自动配一张专属封面图，这是由 Nano Banana 模型做的，不用自己额外费心设计。

如果你是YT创作者，这个技术其实并不陌生。Dream Track功能里早就用上了类似的技术，现在Lyria 3进驻YT。

意味着做Shorts 短视频的时候，配乐的质量和定制化程度又上了一个台阶，再也不用担心版权问题或者找不到合适的背景音乐了。

谷歌这次还考虑到了AI内容的识别问题，给Lyria 3生成的音乐都加了专属的隐形水印 SynthID，这是谷歌自己研发的技术，专门用来标记自家AI生成的内容，肉眼听感都察觉不到，但能精准溯源。

并且Gemini的验证功能也升级了，之前只能识别图像和视频的AI内容，现在音频也能查了，你只要把音频文件传上去，问一句是不是谷歌AI做的。

模型就会先检测里面的SynthID水印，再结合自己的推理给出答案，不管是自己验证还是分辨别人的内容，都特别方便。

关于版权和原创性，大家肯定很关心。其实从 2023 年第一款 Lyria 模型出来，谷歌就一直在和音乐行业的各方合作，踏踏实实做技术研发，不是瞎搞的那种。

中间还做了音乐人工智能沙盒这类实验项目，攒了不少经验，这次训练 Lyria 3，更是把版权规定和合作协议抠得很细，一点都不马虎。

这个模型的核心是鼓励原创，不是让大家去模仿现有的歌手艺人。就算你在提示里提到了某个特定的艺术家，模型也只会把这个名字当成创作灵感，做出来的曲子只会在风格或者情绪上相近，不会照搬人家的作品。

同时谷歌还加了过滤机制，会把生成的内容和现有的音乐作品做比对，避免出现雷同的情况。

目前这个功能已经开始向部分用户开放了，支持的语言不少，英语、德语、法语等。桌面端现在就能用，手机端随后几天也会跟上。如果你是付费订阅用户，还能享受更高的生成额度。

对于这个重磅新模型，网友表示，这样一来，创作者就不用再使用素材网站上那些被用滥了的免版税音乐，而是能为视频配上专属定制的背景音乐。背景音乐对视频的整体氛围影响太大了！

真的很开心看到AI能这样突破创意的边界！那些能把文字、图片等想法直接转化成音乐的工具，彻底改变了创作者尝试和迭代的方式。谷歌AI带来的这些成果，真的太令人兴奋了。照片转音乐提示功能太棒了，光是这一点就开启了许多创意工作流程。

这是生成式音频技术的一次惊人飞跃。音质已经非常出色，但如果能实现原生3分钟音频生成，那将真正彻底改变音频制作流程。期待扩展上下文窗口。

想转型AI，不被时代淘汰

CAIE注册人工智能工程师认证

岗位能力 × AI工具 ×转型方向 × 场景落地 = 新AI职业价值

扫码免费领取《AI工程师入门学习指南》