编辑：艾伦

【新智元导读】谷歌在 7.5 亿月活的 Gemini 中上线了 AI 音乐生成功能，输入一句话或一张照片，几秒就能得到一首带人声和歌词的完整歌曲。背后是 DeepMind 最新的 Lyria 3 模型，训练数据超 200 万首曲目。对 Suno 等 AI 音乐创业公司而言，竞争从此不再只是比模型，更是要比入口。

昨天，谷歌在 Gemini App 中上线了 AI 音乐生成功能。

用户输入一段文字描述，或者上传一张照片，几秒钟内就能得到一首 30 秒的完整歌曲，带人声、带歌词、带 AI 生成的封面。纯器乐当然也是支持的。

驱动这个功能的是 DeepMind 最新的音乐生成模型 Lyria 3。

谷歌对这项功能的定位，不是取代音乐人，而是让普通人获得一种全新的自我表达方式。

做 AI 音乐生成的公司不少，但把它直接塞进一个拥有超过 7.5 亿月活用户的超级应用里，谷歌是头一个。

「30 秒」背后的技术跃迁

从 2023 年发布初代 Lyria 算起，这已经是谷歌在音乐生成领域的第三代模型。

相比前代，Lyria 3 有几个明显的进步。

过去用户需要自己写歌词输入模型，现在 Lyria 3 可以根据提示词自动生成歌词。

用户对风格、人声类型、节拍速度等元素的控制也更精细了。

根据 DeepMind 官方推文，Lyria 3 输出 48kHz 立体声音频，人声表现更自然，歌词的咬字清晰度也有了明显提升。

据数字音乐媒体 Digital Music News 报道，Lyria 3 的训练数据规模从 Lyria 2 的约 50 万首曲目扩展到了超过 200 万首，音频位深从此前版本升级到了 24-bit。

这意味着它在音质维度上甚至超过了 YouTube Music 等主流流媒体平台的标准。

除了文本生成音乐，用户还可以上传照片或视频，让 Gemini 根据视觉内容的情绪来作曲配词。

比如上传一张徒步的照片，Gemini 就能创作一首与之匹配的歌曲。

本文转自：凤凰网科技

原文地址： https://tech.ifeng.com/c/8qs15sjdhnP