Google 发布音乐模型 Lyria：做 30 秒流行乐，还能防伪打水印

以前大家用 AI 生成音乐，最头疼的就是人声一加进来就露馅，或者生成的曲子听几秒还行，整首歌根本谈不上连贯。

Google DeepMind 联手 YouTube 拿出了他们目前最顶级的音乐生成模型 Lyria，顺便启动了两项实验：一项是专门给 YouTube Shorts 用的 Dream Track，另一项是面向专业音乐人的创作工具套件。

他们甚至拉来了 9 位主流歌手，用合规授权的方式把歌手的人声和风格放进了生成工具里。

敲一段文字，生成 30 秒大牌原声

音乐这东西比语音复杂太多。每一秒钟都塞满了节拍、音符、人声和声与各种乐器。AI 想要维持几小节甚至整段的连贯性，往往非常困难。

根据 Google DeepMind 的介绍，Lyria 专攻的就是同时搞定人声伴奏、曲风转换与音乐延续，同时让使用者更细致地控制输出的表演风格。

落到实际玩法上，YouTube Shorts 启动的 Dream Track 实验最直接。目前一小批美国创作者可以在做短视频时，输入一段提示词主题，再从轮播界面选一位歌手。

系统就会自动生成一段最长 30 秒的短视频配乐。歌词、伴奏旋律，加上这位歌手风格的 AI 人声，一次性全吐出来。

这次加入合作的 9 位音乐人包括 Charlie Puth、T-Pain、John Legend、Sia、Charli XCX、Demi Lovato、Troye Sivan、Alec Benjamin 和 Papoose。

Charlie Puth 评价说，YouTube 明白需要通过负责任的方式合作开发，目的是加速创意而不是取代音乐人；一直热衷新技术的 T-Pain 也觉得联手探索未来是个很好的起点。

除了给普通创作者做背景乐，DeepMind 还在做更专业的创作套件。比如创作者哼唱一段旋律，AI 就能把它变成一段圆号独奏；或者弹几下 MIDI 键盘的和弦，就能实时转化成逼真的唱诗班合唱。

让人耳听不见的水印：SynthID 音频版

AI 生成音乐最大的隐患，除了版权就是以假乱真。这次 Google 拿出了刚拓展到音频领域的 SynthID 水印技术。

所有由 Lyria 生成的内容，都会被直接打上 SynthID 水印。这个水印的特点是人耳完全听不见，丝毫不会破坏听觉体验。

它的原理是把音频声波转换成二维的频谱演变图，再把特征信息嵌入其中。Google 称这种做法在音频领域此前几乎没有过。

最关键的是抗折腾。即便这段音频经过 MP3 压缩、混入了噪声，或者被故意加速、减速，SynthID 依然能把水印检测出来，甚至能识别出一首歌里到底哪几段是由 Lyria 拼凑生成的。

为什么重要

我们认为，Google 和 YouTube 这次最大的聪明之处，不在于模型本身有多惊艳，而在于他们给 AI 音乐打了个极其克制且合规的样板。

过去一年整个音乐产业都在围剿未经授权的 AI 翻唱和盗版克隆。Google 显然不想踩这颗雷。他们没有直接放开全网随便克隆，而是走正规授权，找了 9 位头部歌手共建，把使用场景死死限制在 30 秒以内的短视频配乐。

对创作者来说，短视频配乐从此多了一条不侵权的捷径，想配一段大牌声线只要几秒钟；对专业制作人而言，用哼唱生成乐器编曲的做法，也确实能大幅降低打草稿的门槛。

但隐患依然存在。看起来这种模式目前完全依赖平台和唱片业的私下协议，一旦生成音乐泛滥，版税如何分成依然没有明朗的公认机制。而且 30 秒的实验形态虽然安全，却也说明长篇连贯音乐生成在工业级落地上面临的复杂现实。