Google: Lyria 3 Clip Preview

Google: Lyria 3 Clip Preview é um modelo de geração de música do Google, parte da família Lyria 3. É disponibilizado através da Gemini API, e a Google descreve o Lyria 3 como a sua família de modelos de geração de música. O modelo situa-se na categoria de áudio e também possui capacidades de texto, pelo que se comporta como um gerador multimodal em vez de um modelo puramente de texto. Se estiver a construir ferramentas que precisam de produzir clips musicais curtos, esta é a oferta da Google destinada a essa tarefa.

O modelo aceita entradas de texto e imagem e pode devolver tanto texto como áudio. Isso significa que um prompt que descreve um estilo, ambiente ou instrumentação pode ser combinado com uma imagem de referência, e a saída pode incluir áudio gerado juntamente com texto. A janela de contexto é de 1.048.576 tokens, o que é suficientemente grande para conter prompts extensos, descrições detalhadas ou material de apoio num único pedido. A saída máxima é de 65.536 tokens. Este modelo é explicitamente um gerador de clips: a própria descrição da Google refere clips com 30 segundos de duração, por isso espere uma saída nessa forma curta em vez de faixas de comprimento total.

Os casos de uso práticos decorrem da duração do clip e da entrada de imagem. Pode gerar bases de fundo de 30 segundos para vídeo, introduções e encerramentos de podcasts, ambiência para jogos ou aplicações, ou conteúdo para redes sociais. Como é possível fornecer uma imagem, pode orientar a geração a partir de capa de álbum, um mood board ou um fotograma de storyboard, o que se adequa a fluxos de trabalho em que a direção visual já existe. A saída de texto pode transportar conteúdo descritivo ou de apoio de volta para o seu pipeline. As equipas que precisam de uma ideia musical rápida para iterar, em vez de uma master de produção acabada, são o encaixe natural.

Chamá-lo através do api14 funciona da mesma forma que qualquer outro endpoint compatível com OpenAI. Use o id de modelo "google/lyria-3-clip-preview" no seu pedido. Os parâmetros suportados são max_tokens, response_format, seed, temperature e top_p. Use seed quando quiser gerações reprodutíveis, temperature e top_p para controlar a variação, response_format para moldar a saída devolvida, e max_tokens para limitar a geração. Como o endpoint é compatível com OpenAI, os SDKs e o código de cliente existentes podem apontar para o api14 sem reescrita.

Uma restrição a ter em conta é a duração. O modelo gera clips de 30 segundos, por isso se o seu projeto precisa de música contínua mais longa terá de juntar várias gerações ou procurar uma opção diferente. É também uma versão preview da Google, o que vale a pena ponderar se precisar de garantias de estabilidade a longo prazo. Para clips musicais curtos, orientados por prompt ou guiados por imagem, é um encaixe direto.