Google 在 Gemini 中上線 Lyria 3：文字或照片一鍵生成 30 秒音樂

平時在聊天軟體裡給朋友分享日常，大家習慣發張照片或者表情包。現在 Google 打算換個玩法：直接給朋友發一首三十秒、帶著歌詞和封面圖的專屬定製小曲。

Google 正式在 Gemini 應用中開啟了音樂生成模型 Lyria 3 的公開測試。這項功能來自 Google DeepMind，十八歲以上的使用者在網頁端已經能用上，移動端應用也會在接下來的幾天內陸續推送。

不用自己寫詞，連封面圖都給配齊了

很多人試過用 AI 編歌，最頭疼的一步往往是詞窮，不知道該給提示詞框塞什麼押韻的句子。Lyria 3 最大的改變之一就是自動填詞，你只要給一個模糊的情緒或日常瑣事，它就能自己把歌詞寫出來並唱出來。

比如你可以讓它寫一首關於找不到另一隻襪子的搞笑 R&B 慢板，或者給媽媽寫一首充滿非洲風情的歡快歌曲。除了打字，你還能直接上傳照片或影片，讓 Gemini 根據畫面內容去配一段風格合拍的音樂。

目前生成的音訊統一為三十秒長度。為了方便你隨手發給朋友，Gemini 還會呼叫 Nano Banana 自動給這段音訊生成一張唱片封面，使用者可以直接下載或生成分享連結。

這套能力也同步打通了 YouTube 的 Dream Track，正在向更多地區的創作者開放，專門用來給 Shorts 短影片製作原創配樂。

語言方面，首批支援英語、德語、西班牙語、法語、印地語、日語、韓語和葡萄牙語。付費訂閱了 Google AI Plus、Pro 或 Ultra 的使用者，每天會有更高的生成額度。

關掉聲音模仿，順手做了一套防偽閉環

早期的音樂生成模型經常因為模仿明星聲線而引發爭議。DeepMind 最初展示 Lyria 時，也曾秀過模仿知名歌手的技術，但這次在 Gemini 上線，Google 明確把這個開關關掉了。

官方表示 Lyria 3 專為原創表達設計，不支援直接復刻具體藝術家的聲音。如果你在提示詞裡強行寫了某個歌手的名字，系統只會把對方當作風格或氛圍的參考，而且後臺還設定了針對現有版權音樂的查重過濾。

更值得注意的是音訊防偽。所有通過 Gemini 生成的音樂，底層都會強制打上肉眼和人耳無法察覺的 SynthID 水印。

與此同時，Gemini 還上線了音訊真偽驗證功能。使用者只要上傳一段音訊檔案，問它是不是 Google AI 做的，模型就會去檢測裡面的 SynthID 標記並給出判斷。

為什麼重要

我們認為，Google 這次對音樂 AI 的定位想得很清楚：它壓根沒想去搶專業音樂製作人的飯碗，而是把它做成了一個社交表情包式的輕量玩具。

對普通人和創作者來說，三十秒的時長做不了正經單曲，但用來發朋友圈惡搞、給短影片配樂，門檻幾乎降到了零。你不需要懂樂理，甚至不需要打長篇提示詞，甩一張遛狗的照片就能拿出一首像模像樣的背景音樂。不過如果你追求的是完整歌曲或者精細調音，現在的 Gemini 顯然幫不上忙。

從行業競爭來看，Lyria 早在 2023 年就已經公開，此前一直鎖在企業級平臺 Vertex AI 和小範圍實驗室裡。在這期間，Suno 和 Udio 已經把全麴生成推成了潮流，微軟也早就把 AI 編曲塞進了 Copilot。

Google 現在的動作看起來確實慢了半拍，但它的殺手鐧在下游。通過把 Lyria 3 無縫接進 YouTube Shorts，Google 能迅速用數以億計的短影片創作者幫自己消耗算力、測試模型。

這一步走得最聰明的地方，是用三十秒的時長限制巧妙掩蓋了音樂大模型在長音訊結構控制上的缺陷，同時把生成與 SynthID 鑑定做成了閉環。隱患在於過於嚴苛的版權過濾和風格保護，可能會讓最終生成的旋律聽起來過於安全和平庸。但對於一家體量巨大的科技巨頭來說，安全落地遠比驚豔冒進更符合當下的利益。