Google: Lyria 3 Pro Preview

Google: Lyria 3 Pro Preview es un modelo de generación de música de Google, parte de la familia Lyria 3 de modelos de generación de música. Está disponible a través de la API de Gemini y aparece en api14 dentro de la categoría de audio, con texto también indicado como categoría relacionada. El id del modelo es google/lyria-3-pro-preview, y es una versión preliminar del proveedor.

El modelo acepta entradas de texto e imagen y puede producir salidas de texto y audio. Su ventana de contexto es de 1.048.576 tokens, y la salida máxima es de 65.536 tokens. Según la descripción del proveedor, Lyria 3 genera audio de alta calidad a 48kHz, y se admiten canciones de duración completa. Esa combinación de una ventana de contexto muy grande y salida de audio lo hace adecuado para prompts que contienen mucho detalle descriptivo o estructural, y para solicitudes condicionadas por imagen en las que una referencia visual orienta la música generada.

Los usos prácticos se derivan directamente de esas capacidades. Puedes generar canciones de duración completa a partir de descripciones de texto, esbozar ideas musicales a partir de una imagen, o producir audio junto con texto en una sola respuesta. Dado que el lado de entrada acepta imágenes además de texto, el modelo encaja en flujos de trabajo en los que un mood board, una ilustración o un fotograma de referencia debe guiar la pista resultante. La gran ventana de contexto también significa que se pueden enviar briefs largos y detallados sobre arreglos, instrumentación o estructura sin que se recorten.

Llamas al modelo a través de la API compatible con OpenAI de api14 usando el id de modelo google/lyria-3-pro-preview. Los parámetros de solicitud admitidos son max_tokens, response_format, seed, temperature y top_p. Como la interfaz es compatible con OpenAI, puedes apuntar un cliente OpenAI existente a api14 y establecer el campo model con ese id, y luego pasar cualquiera de los parámetros admitidos para controlar la longitud de salida, el formato de respuesta, el determinismo mediante seed y el comportamiento de muestreo mediante temperature y top_p.

Vale la pena señalar que este es un modelo preliminar, por lo que su comportamiento puede cambiar. También es un modelo de generación de audio en lugar de un asistente de texto general, así que si tu tarea es generación de texto común o razonamiento sin salida de audio, un modelo centrado en texto probablemente sea la mejor opción. Si tu tarea es generación de música o audio a partir de prompts de texto o imagen, este modelo es la elección relevante.