Google: Lyria 3 Pro Preview

Google : Lyria 3 Pro Preview est un modèle de génération musicale de Google, qui fait partie de la famille de modèles de génération musicale Lyria 3. Il est disponible via l'API Gemini et est répertorié sur api14 dans la catégorie audio, avec le texte également indiqué comme catégorie associée. L'identifiant du modèle est google/lyria-3-pro-preview, et il s'agit d'une version preview du fournisseur.

Le modèle accepte des entrées texte et image et peut produire des sorties texte et audio. Sa fenêtre de contexte est de 1 048 576 tokens, et la sortie maximale est de 65 536 tokens. Selon la description du fournisseur, Lyria 3 génère de l'audio de haute qualité à 48 kHz, et les chansons complètes sont prises en charge. Cette combinaison d'une très grande fenêtre de contexte et d'une sortie audio le rend adapté aux prompts comportant beaucoup de détails descriptifs ou structurels, ainsi qu'aux requêtes conditionnées par une image, où une référence visuelle guide la musique générée.

Les usages pratiques découlent directement de ces capacités. Vous pouvez générer des chansons complètes à partir de descriptions textuelles, esquisser des idées musicales à partir d'une image, ou produire de l'audio en même temps que du texte dans une seule réponse. Comme le côté entrée accepte des images en plus du texte, le modèle convient aux flux de travail où un mood board, une illustration ou une image de référence est censé orienter le morceau résultant. La grande fenêtre de contexte signifie également que de longs briefs détaillés sur l'arrangement, l'instrumentation ou la structure peuvent être transmis sans être tronqués.

Vous appelez le modèle via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle google/lyria-3-pro-preview. Les paramètres de requête pris en charge sont max_tokens, response_format, seed, temperature et top_p. Comme l'interface est compatible OpenAI, vous pouvez pointer un client OpenAI existant vers api14 et définir le champ model sur cet identifiant, puis passer n'importe lequel des paramètres pris en charge pour contrôler la longueur de sortie, le formatage de la réponse, le déterminisme via seed, et le comportement d'échantillonnage via temperature et top_p.

Il convient de noter qu'il s'agit d'un modèle preview, son comportement peut donc changer. C'est également un modèle de génération audio plutôt qu'un assistant textuel généraliste, donc si votre tâche est de la génération de texte ordinaire ou du raisonnement sans sortie audio, un modèle axé sur le texte sera probablement plus adapté. Si votre tâche est de la génération musicale ou audio à partir de prompts textuels ou d'images, ce modèle est le choix pertinent.