Google: Lyria 3 Pro Preview

Google: Lyria 3 Pro Preview è un modello di generazione musicale di Google, parte della famiglia Lyria 3 di modelli di generazione musicale. È disponibile tramite la Gemini API ed è elencato su api14 nella categoria audio, con testo indicato anche come categoria correlata. L'id del modello è google/lyria-3-pro-preview, ed è una release preview del provider.

Il modello accetta input testuali e immagini e può produrre output testuali e audio. La sua finestra di contesto è di 1.048.576 token, e l'output massimo è di 65.536 token. Secondo la descrizione del provider, Lyria 3 genera audio di alta qualità a 48kHz, e sono supportati brani di lunghezza completa. Questa combinazione di una finestra di contesto molto ampia e output audio lo rende adatto a prompt che contengono molti dettagli descrittivi o strutturali, e a richieste condizionate da immagini in cui un riferimento visivo guida la musica generata.

Gli usi pratici derivano direttamente da queste capacità. Puoi generare brani di lunghezza completa da descrizioni testuali, abbozzare idee musicali da un'immagine, o produrre audio insieme al testo in una singola risposta. Poiché il lato input accetta immagini oltre al testo, il modello si adatta a flussi di lavoro in cui una mood board, un'illustrazione o uno still di riferimento devono orientare il brano risultante. L'ampia finestra di contesto significa anche che brief lunghi e dettagliati su arrangiamento, strumentazione o struttura possono essere passati senza essere ridotti.

Chiami il modello tramite l'API compatibile con OpenAI di api14 usando l'id del modello google/lyria-3-pro-preview. I parametri di richiesta supportati sono max_tokens, response_format, seed, temperature e top_p. Poiché l'interfaccia è compatibile con OpenAI, puoi indirizzare un client OpenAI esistente verso api14 e impostare il campo model su quell'id, poi passare uno qualsiasi dei parametri supportati per controllare la lunghezza dell'output, la formattazione della risposta, il determinismo tramite seed, e il comportamento di campionamento tramite temperature e top_p.

Vale la pena notare che questo è un modello preview, quindi il comportamento può cambiare. È anche un modello di generazione audio piuttosto che un assistente testuale generico, quindi se il tuo compito è la generazione testuale ordinaria o il ragionamento senza output audio, un modello orientato al testo è probabilmente la scelta migliore. Se il tuo compito è la generazione musicale o audio da prompt testuali o immagini, questo modello è la scelta pertinente.