Lyria 3.5：旗舰音乐模型进入 Gemini 与 API

2026-09-04，Google 宣布 Lyria 3.5 已在 Gemini App（全球 Web / 移动端）与 Gemini API 全面可用。模型本身并非全新首发——它在 2026-07-29 已进入 Google Flow Music——但这次的意义在分发：从创作者实验产品，进入日常对话入口与开发者栈。

一、模型本身：latent diffusion，面向「完整歌曲」

DeepMind 模型卡写得很直接：Lyria 3.5 用 latent diffusion 作用在时间音频 latent 上，从文本提示合成高质量音乐；输出含音频与歌词。Gemini API 文档把它定位为 Google 旗舰音乐生成模型，面向结构完整的全长歌曲（多段 verse / chorus / bridge），并以 44.1 kHz stereo 出声。 公开规格里几条值得记：

• 模型代码：lyria-3.5（Preview）
• 输入：文本与图像；输出：音频（MP3）与歌词文本
• 输入 token 上限约 131,072
• 相对 Lyria 2，官方强调在 音频保真 与（含歌词时的）提示遵循 上有显著提升
• 训练侧：TPU + JAX / ML Pathways；训练数据经去重、安全与质量过滤 Flow Music 首发时，产品侧还点名了旋律复杂度、歌词结构意识、人声表情与发音、以及 tempo / 时长可控性——这些正是「听得像歌」而不只是「有伴奏底噪」的分水岭。

二、9 月这一步：从 Flow Music 到 Gemini 日常入口

Gemini App 侧的产品包装更偏创作可用性：可选或描述曲风、人声 / 器乐、模板起步（背景乐到生日歌一类场景），以及短轨 / 更长轨。官方同时列出 Google AI Studio、Google Vids，以及面向艺术家与 AI 创作者的 Flow Music。 对开发者而言，API 文档给出的能力边界同样清晰：生成是单轮式的（不能靠多轮 prompt 原地改同一段 clip）；生态里还有更短的 clip 档（如约 30 秒的 Lyria 3 Clip）与面向「几分钟完整曲」的 3.5。第三方报道进一步提到：最多可附多张参考图、用分段标签写歌词、用时间戳指定乐器进入——这些属于工程可控性，而不只是「再写一句 vibe prompt」。

三、安全与溯源：禁艺人人声克隆，强制 SynthID

Google 在内容侧划了两条硬线：拦截特定艺人人声请求，以及受版权保护歌词的生成。所有 Lyria 曲目携带 SynthID 水印（官方称不可感知）。模型卡还列出数据集过滤、条件预训练、SFT、基于人类/评论家反馈的强化学习，以及产品级安全过滤。 在生成音乐平台监管与版权诉讼升温的背景下，这套组合（禁克隆 + 禁版权歌词 + 水印）比「只做能力演示」更完整：它把模型放进可规模分发的产品里，同时把滥用面压到可陈述的策略上。

四、简要判断

Lyria 3.5 的技术叙事是「更高保真、更强结构与人声」；9 月更新的新闻价值则是 分发跃迁——旗舰音乐模型进入 Gemini 全量用户与 Gemini API，并与 Flow Music / AI Studio / Vids 形成同一能力面。若你关注 Google 在多模态生成上是否只押视频，这次是明确的音频侧补强：不是又一个封闭 demo，而是可调用、可溯源、带明确安全边界的正式模型通道。