谷歌将 Lyria 3.5 带入 Gemini：音乐生成开始走向更完整的创作工作流

谷歌将音乐生成模型 Lyria 3.5 接入 Gemini 应用与 Gemini API，提升人声表现、编排和音频保真度，同时在应用端增加风格选择、创作模板与时长控制，推动从单次提示到完整创作工作流的转变。开发者可通过 API 嵌入更复杂的歌曲结构，产品间功能存在差异，版权与标识（如 SynthID 水印）问题仍需关注。

谷歌表示，旗下音乐生成模型 Lyria 3.5 已于 2026 年 9 月 4 日进入 Gemini 应用和 Gemini API。公司称，新模型重点改善了人声表现、音乐编排和整体音频保真度；与此同时，Gemini 应用新增了更明确的风格选择、创作模板以及短曲和长曲选项。

这次更新的重点并不只是模型名称变化。谷歌正试图把音乐生成从一次性的提示词实验，推进到覆盖灵感、制作和应用的创作流程中。

Gemini 应用增加风格、模板和时长控制

根据谷歌在 官方博客 发布的说明，用户可以直接选择或描述音乐类型，并在有人声和纯器乐之间进行选择。新模板则面向更具体的使用场景，例如背景音乐、生日歌曲和个性化铃声。

用户还可以选择生成较短或较长的音轨。谷歌没有在这篇公告中给出具体的时长范围，但其此前的 Lyria 产品资料显示，短片段和更完整的歌曲一直是该系列模型的两条产品路径。谷歌 DeepMind 的 Lyria 模型页面目前将 Lyria 3 描述为能够生成最长约三分钟的音乐，并强调其对人声、歌词、风格和结构的控制能力。

对于普通用户而言，这意味着音乐生成的入口更接近一个简化的创作工具，而不只是一个等待提示词的模型接口。用户可以从模板开始，也可以进一步指定流派、演唱方式和曲目长度，再根据用途调整结果。

从 Gemini 到 API，谷歌扩大模型的使用场景

Lyria 3.5 同时进入 Gemini API。谷歌的 开发者文档将其描述为面向完整歌曲创作的旗舰音乐生成模型，重点支持多段主歌、副歌和桥段等较复杂的结构。文档还称，该模型能够生成 44.1 kHz 的立体声音频，并返回音乐和歌词相关内容。

谷歌的音乐生成指南将 Lyria 3 系列与 Gemini 的 Interactions API 连接起来：开发者可以通过接口生成音频，并取得模型返回的歌词或歌曲结构。AIFlux 此前对 Interactions API 的介绍也提到，谷歌正把图像、音乐和多说话人语音等媒体生成能力纳入更统一的开发者接口。

这为音乐应用开发者留下了更大的空间。音乐生成可以被嵌入视频制作、品牌音效、游戏原型、社交内容或个人创作工具，而不必局限在 Gemini 的聊天界面中。不过，开发者仍需要根据具体接口文档确认模型版本、输入形式、输出格式和预览阶段的使用限制。

可用范围扩大，但产品定位仍有差异

谷歌称，Lyria 3.5 面向全球用户开放 Gemini 网页端和移动应用，也可用于 Google Flow Music，并通过 Google AI Studio 和 Google Vids 面向开发者及技术用户提供访问入口。不同产品中的功能并不完全相同：Gemini 更强调快速创作和模板化体验，API 更适合开发者构建自己的产品，Flow Music 和 Vids 则分别连接音乐创作与视频制作流程。

谷歌 DeepMind 的 Lyria 3.5 模型卡显示，该模型使用基于时间音频潜变量的潜扩散架构训练，并使用谷歌 TPU 完成训练。模型卡称，谷歌通过人工和自动化评测考察音乐质量、人声质量、音频保真度以及提示词遵循能力；与 Lyria 2 相比，Lyria 3.5 在音频保真度和歌词提示词遵循方面有所改善。

不过，这些信息主要反映谷歌自己的评测和产品说明，并不等同于独立音乐制作测试。开发者文档目前仍以预览模型的形式介绍部分 Lyria 3.5 能力，模型输入、接口命名和可用功能也可能随着版本更新而变化。用户在将其用于商业项目之前，还需要核对服务条款、授权范围和具体地区的开放状态。

人声质量提升也带来更直接的版权与标识问题

音乐生成模型的进步，尤其是人声和结构控制能力的提升，也会让版权、署名和内容识别问题更加突出。谷歌此前对 Lyria 系列的说明称，生成音频会加入不可感知的 SynthID 水印，用于识别由人工智能生成或编辑的音乐；相关模型也会受到安全过滤和使用政策约束。

这类水印可以帮助平台和用户识别内容来源，但不能单独解决训练数据授权、风格模仿或商业使用责任等问题。对于品牌歌曲、视频配乐和公开发行内容，生成工具的易用性越高，创作者越需要在发布前保留制作记录，并确认所使用的输入和输出符合相关规则。

音乐生成竞争转向“从模型到工作流”

Lyria 3.5 的发布显示，谷歌的竞争重点正在从单纯提高音频质量，转向把音乐生成嵌入更多产品。Gemini 提供面向大众的低门槛入口，API 面向开发者，Flow Music 和 Vids 则把生成音乐放进更完整的内容生产链条中。

这一策略与视频和图像生成领域的产品化趋势相似：模型本身仍然重要，但用户是否能快速选定风格、修改结构、控制时长，并把结果带入下一步制作流程，同样决定了工具能否被持续使用。

目前尚不清楚谷歌是否会进一步提供更细粒度的分段编辑、连续修改、独立音轨或更明确的商业授权选项。对专业音乐人和内容团队来说，Lyria 3.5 能否从“快速生成一首歌”继续走向可反复编辑、可追踪和可交付的制作工具，将是下一阶段更值得观察的问题。