Google: Lyria 3 Pro Preview

Google: Lyria 3 Pro Preview ist ein Musikgenerierungsmodell von Google und Teil der Lyria 3 Familie von Musikgenerierungsmodellen. Es ist über die Gemini API verfügbar und auf api14 unter der Kategorie audio gelistet, wobei text ebenfalls als verwandte Kategorie angegeben ist. Die Modell-ID lautet google/lyria-3-pro-preview, und es handelt sich um eine Preview-Version des Anbieters.

Das Modell akzeptiert Text- und Bildeingaben und kann Text- und Audioausgaben erzeugen. Sein Kontextfenster umfasst 1.048.576 Token, und die maximale Ausgabe beträgt 65.536 Token. Laut Anbieterbeschreibung erzeugt Lyria 3 hochwertiges Audio mit 48kHz, und vollständige Songs werden unterstützt. Diese Kombination aus einem sehr großen Kontextfenster und Audioausgabe macht es geeignet für Prompts mit vielen beschreibenden oder strukturellen Details sowie für bildkonditionierte Anfragen, bei denen eine visuelle Referenz die generierte Musik beeinflusst.

Praktische Anwendungen ergeben sich direkt aus diesen Fähigkeiten. Sie können vollständige Songs aus Textbeschreibungen generieren, musikalische Ideen aus einem Bild skizzieren oder Audio zusammen mit Text in einer einzigen Antwort erzeugen. Da die Eingabeseite neben Text auch Bilder akzeptiert, passt das Modell zu Arbeitsabläufen, bei denen ein Moodboard, ein Artwork oder ein Referenzstandbild den resultierenden Track steuern soll. Das große Kontextfenster bedeutet außerdem, dass lange, detaillierte Briefings zu Arrangement, Instrumentierung oder Struktur übergeben werden können, ohne gekürzt zu werden.

Sie rufen das Modell über die OpenAI-kompatible API von api14 mit der Modell-ID google/lyria-3-pro-preview auf. Die unterstützten Anfrageparameter sind max_tokens, response_format, seed, temperature und top_p. Da die Schnittstelle OpenAI-kompatibel ist, können Sie einen vorhandenen OpenAI-Client auf api14 ausrichten und das Feld model auf diese ID setzen, dann einen der unterstützten Parameter übergeben, um die Ausgabelänge, die Antwortformatierung, die Determiniertheit über seed und das Sampling-Verhalten über temperature und top_p zu steuern.

Es ist erwähnenswert, dass dies ein Preview-Modell ist, sodass sich das Verhalten ändern kann. Es ist außerdem ein Audiogenerierungsmodell und kein allgemeiner Textassistent. Wenn Ihre Aufgabe also gewöhnliche Textgenerierung oder Reasoning ohne Audioausgabe ist, ist ein textfokussiertes Modell wahrscheinlich die bessere Wahl. Wenn Ihre Aufgabe die Musik- oder Audiogenerierung aus Text- oder Bild-Prompts ist, ist dieses Modell die relevante Wahl.