谷歌把音乐生成模型 Lyria 3.5 开放到了 Gemini 应用和 Gemini API 上。这款 7 月底先在 Google Flow Music 亮相的模型，如今覆盖到网页版和移动版 Gemini，以及 Google AI Studio 和 Google Vids。它与以往音乐 AI 的区别在于，不是循环播放一小段旋律，而是一次生成带有前奏、副歌和过渡段结构的数分钟完整歌曲。

Gemini 应用端从「选择曲风」开始

在 Gemini 应用里，操作从曲风开始：既可以从列表中挑选，也可以用自己的话描述。接着决定要人声还是纯器乐，再选择输出短片段还是较长的曲目。对于不知从何下手的人，谷歌还准备了模板。

容易想到的用途包括视频背景音乐、店铺或个人品牌的宣传短曲，以及专属手机铃声。这类模型下沉到应用层的意义就在于，即便不懂作曲和编曲，只要用语言把条件列清楚就能成形。此次推送同时覆盖网页端和移动端，面向 Gemini 的全体用户。

30 秒片段与数分钟歌曲，由两个模型分工

在面向开发者的 Gemini API 中，需要根据用途区分使用 2 个模型。

一个是 Lyria 3 Clip（模型 ID 为 lyria-3-clip-preview），它固定返回 30 秒的片段，属于较轻量的一档，适合反复调试提示词、制作循环素材或生成预览。

另一个就是本次的主角 Lyria 3.5（模型 ID 为 lyria-3.5），它能理解主歌、副歌、过渡段之间的区别，组织出数分钟的完整歌曲。长度既可以在提示词里写明，比如要求生成一首 2 分钟的歌，也可以用后文提到的时间戳来规定结构。

两个模型的输出都是 44.1 kHz 立体声音频，默认格式为 MP3。Lyria 3.5 还可以通过切换响应格式改为 WAV。调用走的是新的 Interactions API，响应中除音频外，还会以文本形式返回生成的歌词和曲子结构。

from google import genai

client = genai.Client()

interaction = client.interactions.create(
    model="lyria-3.5",
    input="A beautiful piano melody.",
)

歌词和时间轴都可以自己写

Lyria 3.5 有意思的地方在于，它不只让你全盘交给模型，也留下了精细控制的余地。

把自己写的歌词放进提示词时，用 [Verse]、[Chorus]、[Bridge] 这类段落标签分隔。如果想连歌曲的推进方式一起管理，可以直接指定时间。

[0:00 - 0:10] Intro: Begin with a soft lo-fi beat and muffled vinyl crackle.
[0:10 - 0:30] Verse 1: Add a warm Fender Rhodes piano melody and gentle vocals.
[0:30 - 0:50] Chorus: Full band with upbeat drums and soaring synth leads.
[0:50 - 1:00] Outro: Fade out with the piano melody alone.

输入不限于文本。Lyria 3.5 支持多模态输入，最多可以随提示词一起传入 10 张图片，也就是可以从照片的氛围和色彩出发写出曲子。

歌词的语言跟随提示词的语言。用法语写指令就得到法语歌词，发音和演唱方式也会随之调整。用日语写同理。

此外，模型在发声之前会在内部先构建歌曲结构，但这部分中间过程不会向用户公开。

单曲 0.08 美元，没有免费额度

通过 Gemini API 的定价很直白：Lyria 3.5 生成一首完整歌曲为每次 0.08 美元（约 12 日元），30 秒的 Lyria 3 Clip 为每次 0.04 美元（约 6 日元）。两者都没有免费额度，仅提供付费档位。

※1 美元 = 156 日元

限制也写得很明确。所有提示词都会经过安全过滤，要求特定歌手嗓音或生成受版权保护歌词的请求会被拦截。生成的音频一律带有 SynthID 水印，人耳无法听见，也不影响听感。

音乐生成还是一次性处理。目前版本不支持通过多轮对话逐步修改已完成的曲子。即使提示词相同，每次调用的结果也会不同，这一点同样写在规格里。与其指望一次就命中满意的作品，不如把它当作需要收紧条件、多跑几轮的工具。

总结

随着 Lyria 3.5 登陆 Gemini 应用和 API，音乐生成 AI 的标准输出从 30 秒循环素材转向了有结构的数分钟歌曲。应用端只需选曲风和决定要不要人声，API 端则可以用段落标签和时间戳细致打磨，形成两段式的使用方式。把每首 0.08 美元的价格、SynthID 水印以及不支持多轮编辑一并考虑，究竟能在实际工作中用到什么程度，还得亲手试过才知道。