Lyria 3.5：旗舰音乐模型进入 Gemini 与 API
一、从 Flow 首发到 Gemini/API 的分发跃迁
2026年7月29日，Google 先把 Lyria 3.5 放进 Flow Music。这个节点展示的是模型在真实创作界面中的可用性：用户可以更细地控制乐感、歌词、人声、节奏和时长，先检验一首歌能否按创作意图展开。9月4日，Lyria 3.5 又进入 Gemini 应用和 Gemini API，覆盖全球网页端与移动端，并继续服务 Flow Music，扩展到 AI Studio 和 Vids。两次发布相隔37天，意义并不在于重新宣布一套权重，而在于完成一次分发跃迁：七月由垂直音乐产品承担能力验证，九月则把同一旗舰模型带到通用助手、开发者接口和视频工具中。 这一时间差改变了人们理解音乐模型发布的方式。模型首次亮相时，关注点往往是它能不能生成听起来像样的片段；当它进入 Gemini 和 API，问题变成普通用户能否随手调用、开发者能否稳定嵌入、不同产品能否保持相近的提示语义和输出预期。Flow Music 的首发因此像一次面向创作者的试场，Gemini/API 的扩展则把试场结果变成可复用的产品能力。
二、潜在扩散架构把长时结构放到核心位置
模型卡显示，Lyria 3.5 采用建立在时间音频潜变量之上的潜在扩散架构，并使用 TPU 与 JAX 技术栈训练和推理。音频不是以未经压缩的波形直接交给模型处理，而是先转成带有时间关系的潜变量；模型在这个空间里学习旋律、节奏、和声、音色、人声与段落之间如何连续变化，再把结果还原成可播放的声音。对音乐生成来说，时间关系决定了前后句是否接得上、鼓点是否稳住、主题能否在副歌回归，因此这一架构选择和完整歌曲目标是相互配合的。 API 旗舰模型 lyria-3.5 的输出规格为44.1kHz立体声，产品口径明确指向包含主歌、副歌和桥段的完整歌曲。44.1kHz给出的是交付采样率，不能单独等同于专业成品，但它让制作流程从低规格草图向更完整的音频素材靠近。API预览阶段列出的输入上限为131072个token，创作者可以在一次请求中放入更长的主题描述、歌词草稿、段落安排、乐器限制和情绪变化。不过，输入容量描述的是提示承载能力，不是生成时长；最终歌曲仍受接口、产品和安全策略约束。
三、Lyria 3 Clip 与 Lyria 3.5 面向两种生产节奏
Lyria 3 Clip 的任务是生成约30秒的循环片段，适合短视频配乐、界面声音、广告动机和快速试错。循环产品首先要保证一个动机在起点和终点之间自然闭合，便于反复播放；它不需要在数分钟内安排完整的叙事，也不必持续处理主歌到副歌的结构转折。把Clip当作短小版本的3.5，会误读两者的产品边界。 Lyria 3.5则面向整首歌曲，重点是让主题发展、段落衔接、节奏变化和人声表现能在更长时间里保持一致。主歌提出材料，副歌形成记忆点，桥段制造转向，这些结构要求模型不仅会生成音色，还要处理音乐随时间的组织方式。Gemini 应用把这种能力包装成更低门槛的创作入口，用户可以选择曲风、人声或纯器乐，套用模板，再要求生成短曲或更长的曲目；Flow Music保留更专注的音乐制作场景，Clip则继续服务需要快速循环素材的人。
四、相较 Lyria 2，提升落在保真度和歌词遵循
官方模型卡把 Lyria 3.5 相比 Lyria 2 的改进集中在音频保真度和歌词提示遵循度。保真度影响鼓组瞬态、低频层次、乐器纹理、空间残响以及人声细节是否自然；歌词遵循度影响模型能否按照提示落实指定短语、押韵方向、段落顺序、情绪转折和演唱语气。两项能力分别对应“听起来是否可信”和“是不是按要求完成”，共同决定输出能否从演示片段走向可编辑、可继续制作的工程素材。 这类提升也解释了为什么 Flow Music 的控制项被反复强调。速度和时长控制不是简单地把音频拉长或缩短，而是要求节拍、段落密度和人声进入时机随时间一起调整；歌词提示遵循也不是把文字机械贴到旋律上，而是让句子与韵律、发音和情绪保持关系。模型仍可能在复杂指令、长段落或特殊演唱要求下出现偏差，因此44.1kHz规格需要和实际听感、段落连续性、歌词准确度一起评估。
五、SynthID 与安全过滤随音频进入分发链路
Lyria 3.5 的生成音频加入 SynthID 水印，并经过安全过滤。水印的作用是给音频留下可检测的来源信号，让文件离开 Gemini、Flow 或开发者应用后，平台仍有机会判断它是否来自生成系统；安全过滤则在生成环节处理不适宜的提示和内容。两者不是同一件事，却共同构成音乐模型的上线条件。 这个设计对应着快速扩大的行业压力。Deezer 等流媒体平台已经关注人工智能音乐造成的冒名上传、虚假播放和收益稀释问题。当整首歌曲的生成成本继续下降，批量生产并不只会带来更多创作，也会增加平台审核、版权识别和版税分配的负担。SynthID不能独自解决作者归属或欺诈性播放，也不能替代平台的版权政策，但它把来源标识纳入默认交付，为后续审核和研究保留一条技术线索。随着3.5从单一音乐界面扩展到API，水印能否在下载、剪辑、转码和再发布后保持可识别，将成为信任层是否有效的实际考验。
六、多渠道并行后，旗舰模型进入可组合的生产网络
9月4日的更新把 Lyria 3.5 放入一张更大的工具网络：Gemini 网页端和移动端负责全球日常入口，Flow Music承接音乐创作，AI Studio让开发者快速试验，Gemini API提供可编程调用，Vids则把生成音乐带入视频制作。对普通用户，变化是从熟悉的对话界面就能描述曲风、演唱方式和情绪；对开发者，变化是可以围绕主题、歌词、结构标签和编曲约束设计自己的批量流程；对视频制作者，变化是音乐不必先在独立工具里完成再手动搬运。 API处于2026年9月的Preview阶段，调用稳定性、响应时间、成本、版权审核和不同入口之间的成品一致性仍需要在实际使用中观察。但从产品战略看，Google已经把音乐能力从“某个产品里的一次生成”推进为可组合的基础组件：同一创作意图可以先在 Gemini 中形成方向，在 AI Studio 里试验提示，再通过 API 批量生成，最后进入 Flow Music 或 Vids 的制作流程。Lyria 3.5的分发时刻因此具有清晰的信号：旗舰模型的价值不只由音质决定，也由完整结构、提示遵循、来源标识和渠道覆盖共同决定。