Google: Lyria 3 Pro Preview

Google: Lyria 3 Pro Preview är en musikgenereringsmodell från Google, en del av modellfamiljen Lyria 3 för musikgenerering. Den är tillgänglig via Gemini API och listas på api14 under kategorin audio, där text också anges som en relaterad kategori. Modellens id är google/lyria-3-pro-preview, och det är en förhandsversion från leverantören.

Modellen tar emot text- och bildindata och kan producera text- och ljudutdata. Dess kontextfönster är 1 048 576 tokens, och maximal utdata är 65 536 tokens. Enligt leverantörens beskrivning genererar Lyria 3 ljud av hög kvalitet i 48kHz, och låtar i full längd stöds. Kombinationen av ett mycket stort kontextfönster och ljudutdata gör den lämpad för prompter som innehåller mycket beskrivande eller strukturell detalj, och för bildbetingade förfrågningar där en visuell referens styr den genererade musiken.

Praktiska användningsområden följer direkt av dessa egenskaper. Du kan generera låtar i full längd från textbeskrivningar, skissa musikaliska idéer från en bild, eller producera ljud tillsammans med text i ett enda svar. Eftersom indatasidan tar emot både bilder och text passar modellen för arbetsflöden där en moodboard, ett konstverk eller en referensbild är tänkt att styra det resulterande spåret. Det stora kontextfönstret innebär också att långa, detaljerade briefar om arrangemang, instrumentering eller struktur kan skickas in utan att kortas ned.

Du anropar modellen via api14:s OpenAI-kompatibla API med modellens id google/lyria-3-pro-preview. De parametrar som stöds i förfrågan är max_tokens, response_format, seed, temperature och top_p. Eftersom gränssnittet är OpenAI-kompatibelt kan du peka en befintlig OpenAI-klient mot api14 och ställa in fältet model till det id:t, och sedan skicka någon av de parametrar som stöds för att styra utdatalängd, svarsformatering, determinism via seed och samplingbeteende via temperature och top_p.

Det är värt att notera att detta är en förhandsversionsmodell, så beteendet kan ändras. Det är också en ljudgenereringsmodell snarare än en allmän textassistent, så om din uppgift är vanlig textgenerering eller resonemang utan ljudutdata är en textfokuserad modell troligen ett bättre val. Om din uppgift är musik- eller ljudgenerering från text- eller bildprompter är denna modell det relevanta valet.