Ipinakilala ng Google ang Lyria 3.5 sa aplikasyon ng Gemini at sa Gemini API noong Setyembre 4. Para sa karaniwang gumagamit, isang malinaw na pag-update ito: ilarawan ang hinahanap na istilo ng musika, piliin kung may boses o walang boses, at piliin kung gusto mo ng maikling soundtrack o mas kompletong habang awit, at ang sistema ay magbibigay ng resulta. Para sa mga developer at tagagawa, mas tiyak ang pagbabago—ang parehong modelo ay nasa Google AI Studio, Google Vids, at Flow Music, na nangangahulugan na ang AI music ay hindi na lamang isang demo function sa web, kundi patungo sa pagpapalalim sa mga umiiral na workflow tulad ng paggawa ng video, brand content, at app development.
Ang pinakamahalagang bahagi ng pahayag na ito ay hindi ang “karagdagang isang musikal na modelo,” kundi ang pagpapakilala ng Google sa pagbuo ng isang buong produktibong kakayahan para sa paggawa ng musika. Ipinapaliwanag ng opisyal na mga pagsusulong ang mas malalim na ekspresyon sa boses, mas mayaman na orkestrasyon, at mas mataas na kalidad ng tunog, kasama ang mga pagpipilian sa istilo at mga template. Noon, maraming mga tool para sa paggawa ng musika ang makakapagbigay ng mabilis na melodiya, ngunit madalas na nagpapakita ng mga tanda ng makina sa buong istruktura, kalidad ng boses, at pag-unlad ng mga seksyon. Ang Lyria 3.5 ay direktang nakatutok sa huling isang kilometro: upang mas mabawasan ang pagsubok sa mga prompt at mas maraming matanggap na materyales na agad nang maaaring gamitin sa mga video, ringtone, o brand content.
Mula sa mga laruan na nagbibigay-inspirasyon hanggang sa mga kasangkapan sa paggawa ng nilalaman
Ang tunay na pagpasok ng musika sa workflow ay hindi batay sa isang beses na nakakaimprenta, kundi sa katatagan, kontrol, at pag-save ng oras. Kailangan ng mga team ng short-form video na magpalit-palit sa iba’t ibang haba ng bersyon, nag-aalala ang mga kliyente sa brand tungkol sa pagkakatulad ng istilo, at nag-aalala ang mga developer kung ang interface ay matatag at maaaring i-embed sa produkto. Ang Lyria 3.5 ay sumasakop pareho sa Gemini app at API, na tumutugma sa dalawang dulo: personal na paglikha at malawakang produksyon. Maaaring magsimula nang mabilis ang mga indibidwal na gumagamit gamit ang mga template, habang maaaring i-integrate ng mga developer ang kanilang kakayahan sa kanilang sariling editing, marketing, o interactive entertainment na produkto.
Isinasaad din ng Google ang “maikli o mas mahabang track” bilang isang hiwalay na kakayahan. Maaaring mukhang karaniwan ito, ngunit tumutok ito sa isa sa pinakamahirap na bahagi ng paggawa ng musika: habang tumataas ang haba, kailangan ng modelo na panatilihin ang timbre at samantalahin ang verse, chorus, bridge, at mga pagbabago sa emosyon, habang iiwas sa mekanikal na pag-uulit. Hindi inilathala ng pahayag ang pinakamahabang oras na magkakapareho, mga pagkakaiba-iba sa rehiyon, o lahat ng teknikal na parameter; kaya mas tumpak na sabihin na mayroon ang mga user sa mas fleksibele na pagpili ng haba, hindi sa kakayahang mag-generate ng isang buong album nang walang hanggan.
Kumpara sa paggawa ng teksto at imahe, may karagdagang hangganan sa paggamit ng musika. Kung ang isang melodiya ay sobrang katulad sa mga umiiral na gawa, kung ang boses ay maaaring magdulot ng pagkakamali sa mga tagapakinig na isipin ito bilang totoong mang-aawit, at kung ang isang komersyal na proyekto ay maaaring gamitin ayon sa mga tuntunin ng platform—lahat ng ito ay mga tanong na kailangang i-verify ng mga tagagawa mismo. Ang pahayag ng Google ay nakatuon lamang sa kakayahan ng produkto at hindi “inilutas” ang mga kumplikadong isyu na ito. Kaya, dapat pa ring panatilihin ng team ang mga prompt, mga bersyon na ginawa, at mga tala ng pagbabago ng tao bago ang pormal na pagbibigay, at dapat suriin muli ang mga melodiya, lyrics, at pagkakatulad ng boses na may mataas na panganib.
Para sa industriya ng nilalaman, ang mga produktong ito ay maaaring unang magbago ang mga pang-araw-araw na pangangailangan na dating hindi makakabili ng kustomisadong musika, hindi ang paggawa ng mga pangunahing musikero. Ang mga intro ng podcast, maikling video ng tindahan, background ng kurso, pahina ng aktibidad sa laro, at mga ad sa social media ay nangangailangan ng malaking dami, maliit na oras, at limitadong budget para sa musika. Noon, madalas silang gumagamit ng generic music library; ngayon, ang mga creator ay maaaring lumikha ng mas angkop na bersyon batay sa partikular na larawan at ritmo. Ang halaga ay hindi nanggagaling sa “mas maganda kaysa sa propesyonal na kompositor,” kundi sa pagbibigay ng bawat nilalaman ng tunog na mas malapit sa kustomisasyon.
Ang totoong kompetisyon ay sa distribusyon at pamamahala ng karapatang-ari
Mas mahalaga ang pagpapakilala ng Lyria 3.5 sa Gemini kaysa sa pag-iisa nito bilang isang produkto ng isang hiwalay na laboratorio. Mayroon ang Gemini sa mga direktang entry point ng user: Google Vids para sa mga video sa opisina, AI Studio para sa mga developer, at Flow Music para sa mas propesyonal na mga creator. Ang mga kakayahan ng model ay nababahagi sa pamamagitan ng mga entry point na ito, kaya hindi kailangan ng mga user na maunawaan ang pangalan ng model bago sila makagamit ng music generation sa kanilang mga umiiral na gawain. Dahil dito, ang kompetisyon sa mga AI product ay umusbong mula sa “Sino ang may pinakamagandang sample?” patungo sa “Sino ang makakapagbigay nang pinakamabilis sa tamang escenario?”
Ngunit mas malaki ang pagkakahati, mas malaki ang presyur sa pamamahala. Ang musika ay isang uri ng nilalaman na may napakakomplikadong ugnayan sa mga karapatan—ang mga awit at lyrics, recording, imahe ng boses, at istilo ng pagganap ay maaaring tumutugon sa iba’t ibang karapatan. Hindi maaaring pantayin ng mga corporate user ang “pinapayagan ng platform na lumikha” na may “maaaring gamitin sa anumang sitwasyon para sa komersyo.” Ang pinakamaligtas na paraan ay basahin muna ang mga tuntunin ng serbisyo na tumutugma sa iyong rehiyon at account, at pagkatapos ay isagawa ang manual na pagsusuri sa final output; kapag kasali ang mga kilalang artista, umiiral na awit, o brand ng kliyente, dapat gamitin ang mas mahigpit na panloob na pamantayan.
Mula sa pananaw ng industriya, ang Lyria 3.5 ay nagdadala ng kakayahan sa musika sa mga global na user at developer ng Gemini, na magpapalawak sa suplay ng generated music, ngunit hindi ibig sabihin na ang tradisyonal na halaga ng musika ay nawawala. Sa katotohanan, kapag naging murang ang mga pangunahing background music, mas maaaring mas mataas ang halaga ng tunay na may kakaibang paggawa, makatotohanang pagpapahayag ng karakter, at malinaw na chain ng pahintulot. Ang model ay angkop para sa mga draft, variant, at mababang panganib na background music, habang mas angkop ang tao para magdesisyon kung bakit umiiral ang isang gawa, ano ang dapat ipahayag, at kailan dapat tumigil sa paggawa.
Kaya ang pag-update na ito ay maaaring tingnan bilang isang pag-unlad ng Google sa pagpaprodukto ng generative media: hindi na sasakop ang modelo sa mga teknikal na demo na nagtatagal ng sampung segundo lamang, kundi simula nang tumanggap ng mga gawain sa nilalaman na maaaring i-embed, muling gamitin, at ipagkaloob. Kung ito ay magiging karaniwang kasangkapan para sa mga tagagawa, depende sa konsistensya, gastos, mekanismo ng pagsusuri, at feedback ng user sa mga totoong proyekto. Ang opisyal na kinumpirma ay ang Lyria 3.5 ay nasa mga produkto at interface na kaugnay; ang matatanggap ng merkado ay ang dami ng oras na naiipon at ang dami ng pag-uulit na naiwasan nito sa mga totoong workflow.