Google: Lyria 3 Clip Preview

Google: Lyria 3 Clip Preview è un modello di generazione musicale di Google, parte della famiglia Lyria 3. È reso disponibile tramite la Gemini API, e Google descrive Lyria 3 come la sua famiglia di modelli di generazione musicale. Il modello si colloca nella categoria audio e possiede anche capacità di testo, quindi si comporta come un generatore multimodale anziché come un modello puramente testuale. Se stai sviluppando strumenti che devono produrre brevi clip musicali, questa è l'offerta di Google pensata per quel compito.

Il modello accetta input di testo e immagini e può restituire sia testo che audio. Ciò significa che un prompt che descrive uno stile, un'atmosfera o una strumentazione può essere abbinato a un'immagine di riferimento, e l'output può includere audio generato insieme al testo. La finestra di contesto è di 1.048.576 token, sufficientemente ampia da contenere prompt lunghi, descrizioni dettagliate o materiale di supporto in un'unica richiesta. L'output massimo è di 65.536 token. Questo modello è esplicitamente un generatore di clip: la descrizione di Google fa riferimento a clip della durata di 30 secondi, quindi ci si aspetta un output in quella forma breve anziché brani di lunghezza completa.

I casi d'uso pratici derivano dalla durata della clip e dall'input immagine. Puoi generare basi di 30 secondi per video, intro e outro di podcast, atmosfere per giochi o app, o contenuti per social media. Poiché è possibile fornire un'immagine, puoi guidare la generazione a partire da copertine, mood board o fotogrammi di storyboard, il che si adatta a flussi di lavoro in cui la direzione visiva esiste già. L'output testuale può trasportare contenuti descrittivi o di supporto verso la tua pipeline. I team che necessitano di un'idea musicale rapida su cui iterare, anziché di un master di produzione finito, sono il fit naturale.

Chiamarlo tramite api14 funziona allo stesso modo di qualsiasi altro endpoint compatibile con OpenAI. Usa l'id del modello "google/lyria-3-clip-preview" nella tua richiesta. I parametri supportati sono max_tokens, response_format, seed, temperature e top_p. Usa seed quando vuoi generazioni riproducibili, temperature e top_p per controllare la variazione, response_format per modellare l'output restituito e max_tokens per limitare la generazione. Poiché l'endpoint è compatibile con OpenAI, gli SDK e il codice client esistenti possono puntare ad api14 senza riscritture.

Un vincolo da tenere a mente è la durata. Il modello genera clip di 30 secondi, quindi se il tuo progetto necessita di musica continua più lunga dovrai concatenare più generazioni o valutare un'opzione diversa. È inoltre una versione preview di Google, cosa che vale la pena considerare se hai bisogno di garanzie di stabilità a lungo termine. Per clip musicali brevi, guidate da prompt o da immagini, è un fit diretto.