Google 把音樂生成模型 Lyria 3.5 開放到 Gemini App 與 Gemini API 上。這個 7 月底先在 Google Flow Music 登場的模型，如今延伸到網頁版與行動版 Gemini，以及 Google AI Studio 和 Google Vids。它與過去音樂 AI 的差別在於，不是把一小段旋律拿來循環播放，而是一次寫出帶有前奏、副歌與橋段結構的數分鐘完整歌曲。

Gemini App 端從「選曲風」開始

在 Gemini App 裡，操作是從曲風開始的：可以從清單挑選，也可以用自己的話描述。接著決定要人聲還是純演奏，再選擇要短片段還是較長的曲目。對於不知道從何下手的使用者，Google 也準備了範本。

比較容易想到的用途，是影片的背景音樂、店家或個人品牌的短曲，以及專屬的來電鈴聲。這類模型下放到應用層的意義就在於，就算不懂作曲與編曲，只要用語言把條件列出來就能成形。這次推送同時涵蓋網頁與行動裝置，面向 Gemini 的全體使用者。

30 秒片段與數分鐘歌曲，由兩個模型分工

在開發者取向的 Gemini API 中，會依用途區分使用 2 個模型。

其一是 Lyria 3 Clip（模型 ID 為 lyria-3-clip-preview），固定回傳 30 秒的片段，屬於較輕量的一邊，適合反覆調整提示詞、製作循環素材或產生預覽。

另一個就是這次的主角 Lyria 3.5（模型 ID 為 lyria-3.5），它理解主歌、副歌、橋段之間的區別，能組出數分鐘的完整歌曲。長度可以在提示詞中寫明，例如要求做一首 2 分鐘的歌，也可以用後面提到的時間戳來指定結構。

兩個模型的輸出都是 44.1 kHz 立體聲音訊，預設格式為 MP3。Lyria 3.5 還可以切換回應格式改為 WAV。呼叫走的是新的 Interactions API，回應除了音訊之外，也會以文字形式帶回生成的歌詞與歌曲結構。

from google import genai

client = genai.Client()

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

歌詞與時間軸都能自己寫

Lyria 3.5 有趣的地方在於，它不只讓你整包丟給模型，也保留了細緻控制的空間。

把自己寫的歌詞放進提示詞時，用 [Verse]、[Chorus]、[Bridge] 這類段落標籤分隔。若想連歌曲的推進方式一起掌握，可以直接指定時間。

[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.

輸入也不限於文字。Lyria 3.5 支援多模態輸入，最多可以隨提示詞一起傳入 10 張圖片，也就是能從照片的氛圍與色彩出發寫出曲子。

歌詞的語言會跟著提示詞的語言走。用法文下指令就會得到法文歌詞，發音與唱腔也會隨之調整，用日文書寫也是同樣的道理。

此外，模型在發出聲音之前會在內部先建立歌曲結構，但這段中間過程不會對使用者公開。

單曲 0.08 美元，沒有免費額度

透過 Gemini API 的定價相當明快：Lyria 3.5 生成一首完整歌曲為每次 0.08 美元（約 12 日圓），30 秒的 Lyria 3 Clip 則是每次 0.04 美元（約 6 日圓）。兩者都沒有免費額度，只提供付費方案。

※1 美元 = 156 日圓

限制也寫得相當清楚。所有提示詞都會通過安全過濾，要求特定歌手嗓音或生成受著作權保護歌詞的請求會被擋下。生成的音訊一律帶有 SynthID 浮水印，人耳聽不見，也不影響聆聽體驗。

音樂生成同時是一次性的處理。目前版本不支援透過多輪對話逐步修改已完成的曲子。即使提示詞相同，每次呼叫的結果也會不同，這一點同樣寫在規格裡。與其期待一次就命中滿意的作品，不如把它當成需要收緊條件、多跑幾輪的工具。

總結

隨著 Lyria 3.5 進入 Gemini App 與 API，音樂生成 AI 的標準輸出從 30 秒的循環素材，轉向有結構的數分鐘歌曲。App 端只要選曲風並決定要不要人聲，API 端則能用段落標籤與時間戳細緻打磨，形成兩段式的使用方式。把每首 0.08 美元的價格、SynthID 浮水印以及不支援多輪編輯一併納入考量，實際能用到什麼程度，還是得親手試過才知道。