Google: Lyria 3 Pro Preview

Google: Lyria 3 Pro Preview adalah model generasi musik dari Google, bagian dari keluarga model generasi musik Lyria 3. Model ini tersedia melalui Gemini API dan terdaftar di api14 di bawah kategori audio, dengan teks juga dicatat sebagai kategori terkait. Id modelnya adalah google/lyria-3-pro-preview, dan ini adalah rilis pratinjau dari penyedia tersebut.

Model ini menerima input teks dan gambar serta dapat menghasilkan output teks dan audio. Jendela konteksnya adalah 1.048.576 token, dan output maksimumnya adalah 65.536 token. Menurut deskripsi penyedia, Lyria 3 menghasilkan audio berkualitas tinggi pada 48kHz, dan lagu berdurasi penuh didukung. Kombinasi jendela konteks yang sangat besar dan output audio membuatnya cocok untuk prompt yang membawa banyak detail deskriptif atau struktural, dan untuk permintaan yang dikondisikan oleh gambar di mana referensi visual menginformasikan musik yang dihasilkan.

Penggunaan praktis mengikuti langsung dari kemampuan tersebut. Anda dapat menghasilkan lagu berdurasi penuh dari deskripsi teks, membuat sketsa ide musikal dari sebuah gambar, atau menghasilkan audio bersama teks dalam satu respons. Karena sisi input menerima gambar maupun teks, model ini cocok untuk alur kerja di mana mood board, karya seni atau still referensi dimaksudkan untuk mengarahkan trek yang dihasilkan. Jendela konteks yang besar juga berarti brief yang panjang dan terperinci tentang aransemen, instrumentasi atau struktur dapat dimasukkan tanpa dipotong.

Anda memanggil model ini melalui API yang kompatibel dengan OpenAI dari api14 menggunakan id model google/lyria-3-pro-preview. Parameter permintaan yang didukung adalah max_tokens, response_format, seed, temperature dan top_p. Karena antarmukanya kompatibel dengan OpenAI, Anda dapat mengarahkan klien OpenAI yang sudah ada ke api14 dan mengatur bidang model ke id tersebut, lalu memasukkan salah satu parameter yang didukung untuk mengontrol panjang output, pemformatan respons, determinisme melalui seed, dan perilaku sampling melalui temperature dan top_p.

Perlu dicatat bahwa ini adalah model pratinjau, jadi perilakunya dapat berubah. Ini juga merupakan model generasi audio dan bukan asisten teks umum, jadi jika tugas Anda adalah generasi teks biasa atau penalaran tanpa output audio, model yang berfokus pada teks kemungkinan lebih cocok. Jika tugas Anda adalah generasi musik atau audio dari prompt teks atau gambar, model ini adalah pilihan yang relevan.