谷歌今日发布了音乐生成AI模型"Lyria 3"。该模型允许用户生成简短音轨，并将应用于公司的Gemini应用及YouTube创作者工具Dream Track。Lyria 3生成的文件包含谷歌SynthID技术生成的隐形水印，用户可通过Gemini应用上传以验证音轨是否带有水印。
此AI模型基于自然语言输入生成30秒长度的音乐音轨，用户可指定生成音轨的流派、节奏、歌词语言等。此外，上传图片后能自动生成匹配的音乐。Lyria 3相比去年5月发布的上一代Lyria 2算法提供更强大的功能。用户无需额外准备歌词即可使用自动生成的歌词，音乐品质与复杂性也得到增强。
谷歌AI模型生成音乐的方式因架构而异。部分算法不直接生成音频，而是先创建名为频谱图的中间表达形式（以线条表现音调）。而谷歌开源算法MusicML则将音频数据表达为压缩单元。
Gemini应用允许用户为每首生成的音乐创建专辑封面。此功能由名为Nano Banana的AI图像生成器实现，系谷歌去年首次推出。该功能不仅通过Gemini提供，也通过可供软件开发人员集成至自身应用的API接口提供。未来Lyria 3同样可能通过API实现访问。
目前该模型面向Gemini移动端成年用户开放，谷歌计划很快推出桌面版本。Google AI Plus、Pro及Ultra订阅用户将获得更多使用额度。
此次发布可能加剧与Suno Inc.等AI音乐初创企业的竞争。Suno去年11月曾融资2.5亿美元（约合3.6万亿韩元），提供基于自然语言输入的音频生成高级服务。其付费方案包含可手动定制AI生成音轨的虚拟音频工作站等附加功能。
谷歌正考虑多种扩展Gemini音乐功能的方案：或将音轨长度延长至30秒以上，增加类似Suno提供的编辑功能，亦可将Lyria 3整合至更多消费者服务中。例如，在用户通过Project Genie创建的虚拟世界中引入AI生成音频。
