Lyria 3.5

Mis on Lyria 3.5?

Lyria 3.5 on Google DeepMindi spetsialiseeritud mudel muusika genereerimiseks, mitte üldotstarbeline vestlus- või keelemudel. Selle peamine ülesanne on muuta muusikalise idee kirjeldus täispikaks lauluks. Viibad võivad määrata näiteks žanri, meeleolu, instrumentatsiooni, vokaalistiili, seade või sõnade suuna. Mudel võib sisendina kasutada ka pilti, nii et visuaalne sisu saab olla genereeritava muusika inspiratsiooniks.

Mudel genereerib 44,1 kHz stereo-MP3-heli koos tekstina esitatud laulusõnadega. See muudab selle sobivaks laulude ideekavandite, demode, heliribaideede, instrumentaalpalade ja muude loominguliste muusikatöövoogude jaoks, kus on kasulikud nii valmis helirada kui ka selle sõnaline sisu.

Google DeepMind paigutab Lyria 3.5 oma Lyria muusikamudelite perekonda. Esitatud uuringu kohaselt tutvustati mudelit Google Flow Musicus 29. juulil 2026 ning see muutus Gemini API kaudu üldiselt kättesaadavaks 3. septembril 2026.

Mida saab Lyria 3.5 luua?

Lyria 3.5 on loodud äratuntava laulustruktuuri, mitte lühikeste eraldiseisvate helilõikude genereerimiseks. See võib luua muusikat, mis sisaldab näiteks järgmisi osi:

• Salme ja refrääne
• Vaheosi ja muid struktureeritud üleminekuid
• Pea- või taustvokaale
• Instrumentaalseid seadeid
• Tekstina esitatud laulusõnu
• Viibaga määratud loo pikkust

Näiteks võib viip paluda atmosfäärilist elektroonilist laulu, millel on järk-järgult arenev salm, suurejoonelisem refrään, kontrastne vaheosa ja kindel emotsionaalne suund. Teine viip võib paluda üles laaditud pildi värvidest ja kompositsioonist inspireeritud instrumentaalset heliriba. Need näited kirjeldavad mudeli toetatavaid loomingulisi juhiseid; esitatud uuringus ei määrata kindlaks loo maksimaalset pikkust ega anta garantiid, et iga viip tekitab konkreetse ülesehitusega loo.

Väljund on muusikaheli, mitte mitmerajaline projekt ega eraldi redigeeritavate instrumentide kogum. Seetõttu tuleks Lyria 3.5 käsitleda laulude genereerimise süsteemina, mitte täieliku digitaalse helitöötlusjaamana.

Sisendid ja väljundid

Mudeli multimodaalne võimekus keskendub seega teksti- ja pildipõhistele viipadele muusika genereerimiseks. See ei ole üldotstarbeline multimodaalne assistent, mis analüüsib suvalisi faile ja vastab paljudes väljundvormingutes.

Tugevused ja loomingulised võimalused

Lyria 3.5 peamine eelis on keskendumine terviklikele muusikateostele. Selle asemel et käsitleda muusikat lühikese heliefekti või üksiku loop'ina, on mudel mõeldud genereerima laiema seade ja areneva struktuuriga laule. Esitatud uuringus nimetatakse konkreetsete täiustustena muusikalist koherentsust, vokaale, laulusõnu ja kestuse juhtimist.

See muudab mudeli kasulikuks järgmistes olukordades:

• Lauluideede arendamine kirjaliku kontseptsiooni põhjal
• Vokaal- või instrumentaaldemode loomine
• Taustamuusika ja heliribade kavandite valmistamine
• Seadete katsetamine enne salvestamist koos inimmuusikutega
• Pildi, stseeni või visuaalse meeleolutahvli muutmine muusikaliseks lähtepunktiks
• Erineva ülesehituse ja meeleoluga laululoomingu katsetuste genereerimine

Neid tugevusi ei tohiks segi ajada garantiiga, et tulemused sobivad kohe professionaalseks avaldamiseks. Esitatud allikad kirjeldavad mudeli kavandatud võimekust, kuid ei esita sõltumatuid võrdlustulemusi ega universaalset kvaliteedihinnangut. Väljundi kvaliteet võib sõltuda ka viiba detailsusest ja muusikalisest selgusest.

Tehniline profiil ja API käitumine

Dokumenteeritud mudeli ID on lyria-3.5. Mudeli konteksti pikkus on 131 072 tokenit. Konteksti pikkus kirjeldab, kui palju sisendteavet saab API-päring mudeli töötlusaknasse mahutada; seda ei tohiks tõlgendada loo maksimaalse pikkusena. Uuringus ei esitata eraldi maksimaalset väljundtokenite arvu ega genereeritava muusika kindlat maksimaalset kestust.

Lyria 3.5 kasutab voogedastuseta genereerimistöövoogu. API genereerib soovitud tulemuse, mitte ei edasta lugu järk-järgult reaalajas helivoona. See erinevus on oluline interaktiivsete muusikarakenduste, live-saatmise ja süsteemide puhul, mis vajavad kohe järk-järgult tekkivat heli. Google pakub reaalajas muusika genereerimiseks eraldi Lyria RealTime'i mudelit, mistõttu on Lyria 3.5 mõistlikum käsitleda nõudmisel terviklike laulude genereerijana.

Esitatud Gemini API dokumentatsiooni kohaselt ei toeta mudel funktsioonikutseid, maandamist, koodi käitamist, struktureeritud väljundeid, vahemällu salvestamist ega partiilist API-töötlust. Need piirangud on spetsialiseeritud muusikageneraatori puhul ootuspärased: mudel on mõeldud tagastama muusikalise tulemuse ja laulusõnad, mitte toimima üldotstarbelise agendina, mis kutsub tööriistu või toodab masinloetavat JSON-i.

Arutlus, kodeerimine ja tööriistade tugi

Lyria 3.5 ei ole loodud tavapäraste arutlus- ega kodeerimisülesannete jaoks. See suudab tõlgendada loomingulist muusikaviipa ja kasutada seda laulu kujundamiseks, kuid see erineb üldotstarbeliste keelemudelite pakutavast teadlikust analüütilisest arutlusest. Seda ei tohiks valida uurimistöö, tarkvaraarenduse, matemaatiliste probleemide lahendamise ega pikkade faktipõhiste küsimuste vastamise jaoks.

Dokumenteeritud tööriistakasutuse või funktsioonikutsete võimekus puudub. Mudel ei paku ka struktureeritud JSON-väljundit. Rakendused, mis vajavad metaandmeid, töövoo automatiseerimist või rangelt masinloetavaid vastuseid, võivad vajada Lyria 3.5 paigutamist suuremasse süsteemi ning eraldi mudeli kasutamist kavandamiseks, valideerimiseks või orkestreerimiseks.

Esitatud mudeliandmed sisaldavad arutlus-, kodeerimis-, kiiruse- ja kuluskoore. Need on toimetuslikud või kataloogipõhised hinnangud, mitte teenusepakkuja avaldatud võrdlustulemused. Neid tuleks käsitleda võrdleva suunisena, mitte ametlike mõõtmistulemustena. Praktikas koondub mudeli väärtus muusika genereerimisele, mitte üldisele arutlusele või programmeerimisele.

Hind ja kuludega arvestamine

Dokumenteeritud Gemini API hind on 0,08 dollarit ühe täispika laulu kohta. Esitatud uuringus ei loetleta Lyria 3.5 jaoks tasuta tasandit. Kuna ühikuks on genereeritud laul, mitte tokenite arv, on kulusid lihtsam hinnata töövoo puhul, kus toodetavate lugude arv on teada. Näiteks kümme genereeritud laulu tähendaks loetletud hinna juures mudelitasusid 0,80 dollarit, millele võivad lisanduda muud kohaldatavad teenustasud.

Kindel laulupõhine hind võib loominguliste katsetuste jaoks olla atraktiivne, kuid korduv genereerimine võib kulusid kiiresti suurendada, kui kasutajad vajavad palju variatsioone. Töövoos, kus iga kontseptsiooni kohta genereeritakse mitu alternatiivi, tuleb arvestada, et iga täispikk tulemus on tasuline. Uuringus ei täpsustata erinevaid hindu eri kestuste, väljundvormingute ega API kasutustasemete jaoks, mistõttu ei tohiks neid üksikasju eeldada.

Olulised piirangud

Lyria 3.5-l on mitu praktilist piirangut:

• See on spetsialiseeritud muusikale ega ole üldotstarbeline keelemudel.
• Genereerimine toimub voogedastuseta, mistõttu ei ole mudel mõeldud reaalajas muusikaliseks suhtluseks.
• Muusika genereerimine toimub praegu ühe pöördega, ilma järelviipade kaudu tehtava järkjärgulise redigeerimiseta.
• Dokumenteeritud tugi puudub funktsioonikutsetele, maandamisele, koodi käitamisele, struktureeritud väljunditele, vahemällu salvestamisele ja partiilisele API-töötlusele.
• Uuringus ei määrata kindlaks loo maksimaalset kestust ega väljundtokenite maksimaalset arvu.
• Seda ei saa kasutada kõnesünteesi- ega transkriptsioonimudelina.
• Ohutusfiltrid blokeerivad konkreetsete artistide häälte ja autoriõigustega kaitstud laulusõnade taotlused.

Genereeritud heli sisaldab tajumatut SynthID vesimärki. See on oluline rakenduste puhul, mis peavad tehisintellekti loodud meediat tuvastama või jälgima. Samuti ei tohiks eeldada, et konkreetse elava artisti häält taotlev viip täidetakse; esitatud dokumentatsioon märgib sõnaselgelt konkreetsete artistide häälte ja autoriõigustega kaitstud laulusõnadega seotud piiranguid.

Millal valida Lyria 3.5?

Vali Lyria 3.5 siis, kui peamine vajadus on genereerida loomulikus keeles või pildi põhjal antud idee põhjal terviklik laul. See sobib hästi muusikutele, kes arendavad esialgseid ideid, loojatele, kes valmistavad ette heliribade kavandeid, arendajatele, kes loovad muusikageneratsiooni funktsioone, ning kasutajatele, kes soovivad vokaalset või instrumentaalset tulemust, mitte muusikat käsitlevat tekstiselgitust.

Täispika loo loomisele keskendumine on eriti kasulik siis, kui struktuur on oluline. Taotlus, mis sisaldab salmi, refrääni, vaheosa, vokaale ja kindlat meeleolu, sobib Lyria 3.5 eesmärgiga paremini kui lühikese heliefekti või reaalajas muusikalise vastuse taotlus.

Mõnel juhul võib sobivam olla mõni muu lahendus. Kasuta reaalajas muusikamudelit, näiteks Lyria RealTime'i, kui rakendus vajab voogedastust või interaktiivset genereerimist. Kasuta üldotstarbelist keelemudelit, kui ülesanne hõlmab kodeerimist, faktipõhist uurimistööd, tööriistakutseid, struktureeritud JSON-i või ulatuslikku analüütilist arutlust. Kõnesünteesiks või transkribeerimiseks kasuta kõnemudelit. Tavapärane digitaalne helitöötlusjaam või inimeste loodud tootmisprotsess on endiselt sobivam, kui vaja on täpset mitmerajalist redigeerimist, miksimist, instrumentide eraldamist või detailset järeltöötluse juhtimist.

Kokkuvõte

Lyria 3.5 tasub hinnata keskendunud tehisintellektil põhineva laululoomise ja muusikatootmise mudelina. See võtab vastu teksti ja pilte, genereerib 44,1 kHz stereo-MP3-muusikat ning laulusõnu ja on loodud täispikkade seadete loomiseks, mis sisaldavad vokaale, instrumentaalosi ja äratuntavaid laulustruktuuri osi. API hind 0,08 dollarit ühe laulu kohta annab selge ühikupõhise kulu, kuid voogedastuseta ja ühe pöördega ülesehitus piirab mudeli sobivust live-esinemisteks ja järkjärguliseks redigeerimiseks.

Mudel on kõige huvitavam siis, kui soovitud väljund on lühikese loomingulise lähteülesande põhjal valminud muusikaline kavand. See ei asenda üldotstarbelist tehisintellekti assistenti, kodeerimismudelit, kõnesüsteemi ega reaalajas helimootorit ning need erinevused peaksid suunama nii mudeli valikut kui ka rakenduse ülesehitust.