谷歌近日在旗下拥有超7.5亿月活跃用户的Gemini应用中，正式上线了AI音乐生成功能。用户只需输入一段文字描述或上传一张照片，短短数秒内即可获得一首包含人声、歌词及AI生成封面的30秒完整歌曲，纯器乐创作同样支持。这一功能背后依托的是DeepMind最新研发的Lyria 3音乐生成模型，其训练数据规模超过200万首曲目，音频位深达24-bit，输出音质甚至超越主流流媒体平台标准。
与前代模型相比，Lyria 3实现了多项技术突破。用户无需手动编写歌词，模型可根据提示词自动生成；对音乐风格、人声类型、节拍速度等参数的控制精度显著提升；输出音频为48kHz立体声，人声自然度与歌词咬字清晰度大幅优化。该模型支持通过视觉内容生成音乐——用户上传照片或视频后，Gemini可分析画面情绪并创作匹配的歌曲，封面则由谷歌图像生成模型Nano Banana自动完成。
目前，该功能以Beta测试形式面向全球18岁以上用户开放，支持英语、德语、西班牙语等八种语言，桌面端已率先上线，移动端将于近期推送。谷歌AI高级订阅用户将获得更高使用额度。与此同时，Lyria 3被整合至YouTube Dream Track功能，全球创作者均可为Shorts短视频生成背景音乐，此前该功能仅限美国地区。
在版权争议持续发酵的AI音乐领域，谷歌采取了一系列谨慎措施。官方公告强调，Lyria 3的设计目标是“助力原创表达，而非模仿现有艺术家”。若用户提示词中提及特定艺术家，模型仅会以其风格或情绪为灵感创作相似作品，而非复制其声音。训练过程中，谷歌严格遵循版权协议与合作伙伴要求，并设置过滤器比对输出内容与已有作品。所有生成音乐均嵌入SynthID水印，用户还可通过Gemini的音频鉴别功能，上传文件检测是否为谷歌AI创作。
这一举措标志着AI音乐竞争从技术模型层面升级至平台生态层面。以Suno为代表的初创公司虽在2024年11月完成2.5亿美元融资，并推出虚拟音频工作站等专业工具，但其用户规模与Gemini的7.5亿月活存在量级差距。技术媒体Tom's Guide编辑体验后表示，她将丈夫的待办清单转化为朋克摇滚歌曲并通过短信分享，这种场景或许正是谷歌的目标——让音乐生成融入日常沟通，而非局限于专业创作场景。
尽管Lyria 3仍存在30秒时长限制、Beta阶段功能粗糙等问题，且版权争议尚未完全平息，但谷歌选择此时将其推向海量用户，释放出明确信号：AI音乐生成已从技术探索进入规模化应用阶段。当每个人都能通过口袋里的设备随时创作音乐，或许改变的不仅是音乐生产方式，更是人类与音乐互动的本质。
