Google: Lyria 3 Clip Preview

Google: Lyria 3 Clip Preview es un modelo de generación de música de Google, parte de la familia Lyria 3. Está disponible a través de la Gemini API, y Google describe Lyria 3 como su familia de modelos de generación de música. El modelo se sitúa en la categoría de audio y también cuenta con capacidades de texto, por lo que se comporta como un generador multimodal en lugar de un modelo de texto puro. Si estás creando herramientas que necesitan producir clips musicales cortos, esta es la oferta de Google orientada a esa tarea.

El modelo acepta entradas de texto e imagen y puede devolver tanto texto como audio. Esto significa que un prompt que describa un estilo, estado de ánimo o instrumentación puede combinarse con una imagen de referencia, y la salida puede incluir audio generado junto con texto. La ventana de contexto es de 1.048.576 tokens, lo suficientemente grande como para contener prompts extensos, descripciones detalladas o material de apoyo en una sola solicitud. La salida máxima es de 65.536 tokens. Este modelo es explícitamente un generador de clips: la propia descripción de Google hace referencia a clips de 30 segundos de duración, así que espera una salida en ese formato corto en lugar de pistas de longitud completa.

Los casos de uso prácticos se derivan de la duración del clip y de la entrada de imagen. Puedes generar fondos musicales de 30 segundos para vídeo, intros y outtros de pódcast, ambiente para juegos o aplicaciones, o contenido para redes sociales. Como se puede proporcionar una imagen, puedes dirigir la generación a partir de portadas, un mood board o un fotograma de storyboard, lo que encaja en flujos de trabajo donde la dirección visual ya existe. La salida de texto puede devolver contenido descriptivo o de apoyo a tu pipeline. Los equipos que necesitan una idea musical rápida para iterar, en lugar de un máster de producción terminado, son el encaje natural.

Llamarlo a través de api14 funciona igual que cualquier otro endpoint compatible con OpenAI. Usa el id de modelo "google/lyria-3-clip-preview" en tu solicitud. Los parámetros admitidos son max_tokens, response_format, seed, temperature y top_p. Usa seed cuando quieras generaciones reproducibles, temperature y top_p para controlar la variación, response_format para dar forma a la salida devuelta, y max_tokens para acotar la generación. Como el endpoint es compatible con OpenAI, los SDKs y el código de cliente existentes pueden apuntar a api14 sin necesidad de reescribirlos.

Una restricción que hay que tener en cuenta es la duración. El modelo genera clips de 30 segundos, así que si tu proyecto necesita música continua más larga tendrás que unir varias generaciones o buscar otra opción. También es una versión preliminar de Google, algo que conviene valorar si necesitas garantías de estabilidad a largo plazo. Para clips musicales cortos, guiados por prompt o por imagen, es un encaje directo.