Google 将 Lyria 3 AI 音乐生成加入 Gemini 应用，支持文本、照片和视频提示

作者 HiFi Editorial24 February 2026

重点摘要

Google 宣布在日本以测试版形式推出 Gemini 的音乐生成功能，使用 DeepMind 的 Lyria 3 模型，可在数秒内生成高质量歌曲。
Lyria 3 通过自动生成歌词、对风格、人声、节奏的更精细创作控制，以及更强的真实感和音乐复杂度，提升了音频生成能力。
Gemini 支持两种创作模式：文本生成音乐（基于流派、情绪或记忆），以及照片/视频生成音乐（利用视觉上下文来谱写歌曲）。

从信号链的角度来看，Lyria 3 与其说是一个新奇的生成器，不如说是一个为短形式连贯性优化、约束严密的作曲引擎。显著的变化不仅在于将歌词合成叠加到音频之上，更在于语义意图与音色结果之间更紧密的耦合。相比早期的生成式音乐系统——它们在密集编曲下往往会抹平瞬态或压缩和声细节——Google 将 Lyria 3 描述为强调内部音乐结构：乐句、动态轮廓以及人声存在感。这暗示该模型在训练中对歌曲结构施加了更强的先验，而不仅仅追求原始波形的合理性。这也与 DeepMind 更广泛的发展轨迹一致：更少的诡异质感、更可预测的中频平衡，以及更少音响发烧友通常会与早期神经音频联系在一起的相位伪影。

Google 的叙事与部分行业评论分歧之处在于，它坚持认为该系统并非追逐“杰作级”的保真度。这种表述与竞争平台不断营销更高真实感形成对比，但也解释了若干设计选择：当提示中出现艺术家姓名时进行刻意抽象、通过过滤器将输出与已知作品进行交叉核对，以及强制嵌入不可听见的标识。从音频工程的角度看，SynthID 尤其引人关注，因为它在不降低噪声底或立体声成像的情况下运行于感知阈值之下，使其更接近专业广播水印而非消费级 DRM。其结果是一种优先考虑可追溯性和表达性创作，而非参考级重放的工具——这种取向或许会让纯粹主义者感到沮丧，但也清晰地划定了创意草图板与成品制作工具之间的界线。