Google: Lyria 3 Clip Preview

Google: Lyria 3 Clip Preview är en musikgenereringsmodell från Google, en del av familjen Lyria 3. Den görs tillgänglig via Gemini API, och Google beskriver Lyria 3 som sin familj av musikgenereringsmodeller. Modellen ligger i kategorin audio och har även textkapacitet, så den fungerar som en multimodell generator snarare än en ren textmodell. Om du bygger verktyg som behöver producera korta musikstycken är detta Googles erbjudande som är riktat mot den uppgiften.

Modellen tar emot text och bild som indata och kan returnera både text och ljud. Det innebär att en prompt som beskriver en stil, stämning eller instrumentation kan paras ihop med en referensbild, och utdata kan innehålla genererat ljud tillsammans med text. Kontextfönstret är 1 048 576 tokens, vilket är tillräckligt stort för att rymma långa prompts, detaljerade beskrivningar eller stödmaterial i en enda begäran. Maximal utdata är 65 536 tokens. Den här modellen är uttryckligen en klippgenerator: Googles egen beskrivning hänvisar till klipp på 30 sekunder, så förvänta dig utdata i den korta formen snarare än fullängdsspår.

Praktiska användningsfall följer av klipplängden och bildindata. Du kan generera 30 sekunder långa bakgrundsmattor för video, poddintro och outro, spel eller appmiljöer, eller innehåll för sociala medier. Eftersom en bild kan skickas in kan du styra genereringen från omslagsbild, moodboard eller en storyboardruta, vilket passar arbetsflöden där den visuella riktningen redan finns. Textutdata kan bära beskrivande eller stödjande innehåll tillbaka till din pipeline. Team som behöver en snabb musikalisk idé att iterera på, snarare än en färdig produktionsmaster, är den naturliga målgruppen.

Att anropa den via api14 fungerar på samma sätt som vilken annan OpenAI-kompatibel endpoint som helst. Använd modell-id:t "google/lyria-3-clip-preview" i din begäran. De parametrar som stöds är max_tokens, response_format, seed, temperature och top_p. Använd seed när du vill ha reproducerbara genereringar, temperature och top_p för att styra variation, response_format för att forma den returnerade utdata, och max_tokens för att begränsa genereringen. Eftersom endpointen är OpenAI-kompatibel kan befintliga SDK:er och klientkod peka mot api14 utan att skrivas om.

En begränsning att ha i åtanke är varaktigheten. Modellen genererar 30 sekunder långa klipp, så om ditt projekt behöver längre sammanhängande musik måste du antingen sy ihop flera genereringar eller titta på ett annat alternativ. Det är också en förhandsversion från Google, vilket är värt att väga in om du behöver långsiktiga stabilitetsgarantier. För korta, promptstyrda eller bildstyrda musikstycken är den en direkt passande lösning.