Lyria

是什么

Lyria 是 Google DeepMind 的音乐生成模型，于 2023 年 11 月 16 日公布^[1]。语言模型产出文字、图像模型产出图片，Lyria 产出的则是声音：Google DeepMind 表示它擅长生成含器乐（instrumental）与人声（vocal）的高质量音乐，并具备续写（continuation）能力，也就是接过一段已经存在的音乐继续往下写^[1]。

由来与首次亮相

它最初并不是以独立产品的形式出现的。它的首次亮相在 Dream Track——YouTube Shorts 中的一项试验，可以为短视频生成一段 30 秒的配乐，并使用参与该项目的艺术家风格由 AI 生成的人声；此外，它还出现在一套与艺术家和制作人共同设计的音乐 AI 工具中^[1]。这两个场景都把模型交到一批确定的用户手里，而不是面向所有人开放，也都把技术与人行内真正做音乐的人绑在一起。

从一开始，Google 就在输出里埋了一层来源标记：Lyria 生成的音频带有听不见的 SynthID 水印，设计上要能经受 MP3 压缩这类常见改动^[1]。生成的音乐容易被复制、转码和二次传播，一个能扛住压缩的隐形标记，就提供了一种判断某段音频是否出自该模型的办法。

后续版本

Lyria 2 于 2025 年 5 月的 Google I/O 上发布。它面向创作者，通过 YouTube Shorts 提供，同时面向企业，通过 Vertex AI 提供；一个实时版本 Lyria RealTime 则通过 API 和 AI Studio 开放^[2]。实时模型的预览版 lyria-realtime-exp 于 2025 年 5 月 20 日在 Gemini API 中发布，当时并未公布下线日期^[3]。

Lyria 3 的预览版于 2026 年 3 月 25 日进入 Gemini API，标识为 lyria-3-pro-preview 与 lyria-3-clip-preview，随后在 2026 年 9 月 3 日出现了 lyria-3.5^[3]。Google 把 Lyria 3 Pro Preview 称为其旗舰音乐生成模型^[4]。这个版本针对包含多段主歌、副歌和桥段（bridge）的完整歌曲做了优化，并能根据文本提示或图像输入生成 48kHz 的高质量立体声音频^[4]。

各部分如何拼在一起

Lyria 系列同时沿着三条路线生长。第一条面向普通用户：YouTube Shorts 里的短配乐，先是 Dream Track 试验，后来又是 Lyria 2 的落地场景之一^[1][2]。第二条是企业与开发者入口：面向企业的 Vertex AI 上的 Lyria 2，以及 Gemini API 中的 Lyria 3 预览版^[2][3]。第三条是实时生成，模型在使用过程中边生成边输出，而不是一次性交付，对应的是通过 API 和 AI Studio 提供的 Lyria RealTime 以及 lyria-realtime-exp 预览版^[2][3]。

命名方式也反映出发布是分阶段进行的：带明确标识的预览版与旗舰版本并存，Google 的开发者文档会记录每个预览版出现的时间，对 lyria-realtime-exp 还注明尚未公布下线日期^[3]。较早的预览版后来被更新的版本接替，而不是一直保持不变，这提醒人们：API 里的一个模型名字是会移动的目标。

贯穿各个版本不变的是 Google 强调的几项组合：器乐与人声同时生成；对结构的把控，从最初的续写，到旗舰版本上的完整歌曲结构与多段主歌、副歌、桥段^[1][4]；以及藏在音频本身里的水印^[1]。Lyria 3 Pro Preview 的 48kHz 立体声输出和图像输入选项，延续的是同一个思路：给模型一点可依据的素材，让它交回成品音频，而不是一张草图^[4]。