Google ने 4 सितंबर को Lyria 3.5 को Gemini ऐप और Gemini API में शामिल किया। सामान्य उपयोगकर्ताओं के लिए, यह एक बहुत स्पष्ट अपडेट है: आप वांछित संगीत शैली का वर्णन करें, आवाज़ वाला या शुद्ध संगीत चुनें, और एक छोटा संगीत टुकड़ा या एक पूर्ण लंबा गीत बनाने का फैसला करें, और सिस्टम एक तैयार उत्पाद प्रदान करेगा। डेवलपर्स और सृजनकर्ताओं के लिए, परिवर्तन अधिक विशिष्ट हैं—एक ही मॉडल Google AI Studio, Google Vids और Flow Music में भी प्रवेश करता है, जिसका अर्थ है कि AI संगीत केवल एक वेबसाइट पर प्रयोगात्मक सुविधा नहीं रहा, बल्कि वीडियो निर्माण, ब्रांड कंटेंट और ऐप विकास जैसे मौजूदा कार्य प्रवाहों की ओर बढ़ रहा है।
इस घोषणा का सबसे महत्वपूर्ण पहलू यह नहीं है कि “एक और संगीत मॉडल जोड़ा गया है”, बल्कि यह है कि Google अब संगीत उत्पन्न करने को एक पूर्ण उपलब्ध उत्पाद क्षमता के रूप में लाना शुरू कर रहा है। आधिकारिक रूप से इस अपग्रेड को अधिक भावनात्मक आवाज़, अधिक समृद्ध संगीत व्यवस्था और उच्चतर ध्वनि गुणवत्ता के साथ-साथ शैली के विकल्प और टेम्पलेट प्रदान करने के रूप में सारांशित किया गया है। पिछले कई संगीत उत्पन्न उपकरण तेजी से मेलोडी बना सकते थे, लेकिन पूर्ण संरचना, आवाज़ की गुणवत्ता और खंडों के प्रगति में मशीनी छाप दिखाई देती थी। Lyria 3.5 स्पष्ट रूप से अंतिम किलोमीटर को लक्षित करता है: उपयोगकर्ताओं को कम प्रॉम्प्ट प्रयास करने की आवश्यकता होगी, और वे सीधे वीडियो, बेलटोन या ब्रांड कंटेंट में शामिल करने के लिए प्राप्त कर सकते हैं।
इन्स्पिरेशन टूयल्स से कंटेंट जेनरेशन टूल्स तक
संगीत उत्पादन को वास्तविक कार्यप्रवाह में शामिल करने के लिए, केवल एक बार में आकर्षक लगना पर्याप्त नहीं है; स्थिरता, नियंत्रण और समय बचाना आवश्यक है। शॉर्ट वीडियो टीमों को विभिन्न अवधि के संस्करणों के बीच स्विच करने की आवश्यकता होती है, ब्रांड ग्राहकों को शैली की सुसंगठितता पर ध्यान देना चाहिए, और डेवलपर्स को इंटरफ़ेस की स्थिरता और उत्पाद में एम्बेड करने की क्षमता पर ध्यान देना चाहिए। Lyria 3.5 Gemini ऐप और API दोनों को कवर करता है, जो व्यक्तिगत सृजन और स्केल पर उत्पादन के दोनों छोरों के साथ सीधे मेल खाता है। व्यक्तिगत उपयोगकर्ता टेम्पलेट का उपयोग करके तेज़ी से शुरुआत कर सकते हैं, जबकि डेवलपर्स अपने संपादन, मार्केटिंग या इंटरएक्टिव मनोरंजन उत्पादों में क्षमता को एम्बेड कर सकते हैं।
गूगल ने "छोटे या लंबे ट्रैक" को एक स्वतंत्र क्षमता के रूप में भी सूचीबद्ध किया है। यह दिखने में सामान्य लगता है, लेकिन यह जेनरेटिव म्यूजिक के सबसे कठिन पहलुओं में से एक को छूता है: जब समय बढ़ता है, तो मॉडल को न केवल टोन को बनाए रखना होता है, बल्कि वर्स, कोरस, ब्रिज और भावनात्मक परिवर्तनों को भी संभालना होता है, ताकि मशीनी रिपीटेशन से बचा जा सके। घोषणा में एकल सर्वाधिक अवधि, क्षेत्रीय भिन्नताएँ या सभी तकनीकी पैरामीटर्स का खुलासा नहीं किया गया है, इसलिए अधिक सटीक कथन यह होगा कि उपयोगकर्ताओं को अधिक लचीली अवधि के विकल्प मिले हैं, न कि असीमित पूर्ण एल्बम जेनरेट करने की क्षमता।
संगीत के मामले में टेक्स्ट और इमेज जेनरेशन की तुलना में एक अतिरिक्त उपयोग सीमा है। क्या कोई मेलोडी पहले से मौजूद कार्यों के बहुत करीब है, क्या वोकल्स श्रोताओं को यह गलत धारणा दे सकते हैं कि यह वास्तविक गायक है, और क्या व्यावसायिक प्रोजेक्ट्स को प्लेटफॉर्म की शर्तों के अनुसार उपयोग किया जा सकता है—ये सभी प्रश्न क्रिएटर्स को खुद चेक करने होंगे। Google की इस घोषणा में केवल उत्पाद क्षमताओं पर ध्यान केंद्रित किया गया है, और इन जटिल प्रश्नों को “हल” नहीं किया गया है। इसलिए, प्राप्ति से पहले टीम को प्रॉम्प्ट्स, जेनरेटेड संस्करण और मैनुअल संशोधनों के रिकॉर्ड बनाए रखने चाहिए, और उच्च-जोखिम वाली मेलोडीज़, गीतों और आवाज़ की समानता की समीक्षा करनी चाहिए।
कंटेंट इंडस्ट्री के लिए, इस प्रकार के उत्पाद सबसे पहले शीर्ष संगीतकारों की रचना को नहीं, बल्कि अतीत में कस्टम संगीत खरीदने में असमर्थ थे ऐसी दैनिक आवश्यकताओं को बदल सकते हैं। पॉडकास्ट ओपनिंग, स्टोर शॉर्ट्स, कोर्स बैकग्राउंड, गेम एक्टिविटी पेज और सोशल मीडिया विज्ञापनों को बड़ी मात्रा में, समय सीमा के साथ और सीमित बजट के साथ संगीत की आवश्यकता होती है। पहले वे अक्सर जनरिक म्यूजिक लाइब्रेरी पर निर्भर करते थे; अब, क्रिएटर्स विशिष्ट विजुअल्स और रिदम के आधार पर अधिक सटीक संस्करण बना सकते हैं। मूल्य “प्रोफेशनल कंपोजर से बेहतर” होने से नहीं, बल्कि प्रत्येक कंटेंट को कस्टमाइज़ किए जाने जैसी आवाज़ प्रदान करने से आता है।
वास्तविक प्रतिस्पर्धा वितरण और कॉपीराइट शासन में है
Lyria 3.5 को एक अलग प्रयोगशाला उत्पाद के रूप में नहीं, बल्कि Gemini में शामिल किया गया है, जो किसी एकल मापदंड से अधिक महत्वपूर्ण है। Gemini के पास तैयार उपयोगकर्ता पहुंच है, Google Vids कार्यालय वीडियो के साथ जुड़ता है, AI Studio विकासकों के लिए सेवाएं प्रदान करता है, और Flow Music अधिक विशेषज्ञ निर्माताओं के लिए है। मॉडल क्षमताएं इन पहुंच बिंदुओं के माध्यम से वितरण नेटवर्क बनाती हैं, जिससे उपयोगकर्ता को मॉडल के नाम को समझने की आवश्यकता नहीं होती, और वे अपने मूल कार्यों में संगीत उत्पादन का उपयोग कर सकते हैं। इसलिए AI उत्पादों की प्रतिस्पर्धा “किसका नमूना सबसे अच्छा लगता है” से “कौन सही परिदृश्य में सबसे तेजी से प्रदान करता है” में बदल गई है।
लेकिन जितना अधिक वितरित किया जाता है, उतना ही अधिक शासन दबाव होता है। संगीत एक ऐसा सामग्री प्रकार है जिसमें अधिकारों के संबंध अत्यंत जटिल होते हैं, जहाँ गीत, रिकॉर्डिंग, आवाज़ की पहचान और प्रदर्शन शैली क्रमशः अलग-अलग अधिकारों से मेल खा सकती हैं। व्यावसायिक उपयोगकर्ता "प्लेटफॉर्म द्वारा उत्पादन की अनुमति" को "किसी भी परिदृश्य में व्यावसायिक उपयोग की अनुमति" के समान नहीं मान सकते। सुरक्षित दृष्टिकोण यह है कि पहले वर्तमान क्षेत्र और खाते से संबंधित सेवा की शर्तों को पढ़ें, फिर अंतिम आउटपुट की मानवीय समीक्षा करें; प्रसिद्ध कलाकारों, पहले से मौजूद गानों या ग्राहक के ब्रांड के संबंध में, अधिक कठोर आंतरिक मानदंडों का पालन करना चाहिए।
उद्योग के दृष्टिकोण से, Lyria 3.5 द्वारा संगीत क्षमताओं को वैश्विक Gemini उपयोगकर्ताओं और विकासकों के हाथों में सौंपने से उत्पादित संगीत की आपूर्ति बढ़ेगी, लेकिन इसका मतलब यह नहीं है कि पारंपरिक संगीत का मूल्य समाप्त हो गया है। वास्तव में, जब आधारभूत संगीत सस्ता हो जाता है, तो वास्तविक रूप से पहचानने योग्य रचनाएँ, विश्वसनीय पात्र अभिव्यक्ति और स्पष्ट लाइसेंसिंग श्रृंखला अधिक मूल्यवान हो सकती हैं। मॉडल कार्य के लिए खाका, विकल्प और कम जोखिम वाले संगीत को संभालने के लिए उपयुक्त है, जबकि मनुष्य यह निर्धारित करने के लिए अधिक उपयुक्त हैं कि कार्य क्यों मौजूद है, क्या अभिव्यक्ति करनी है और कब उत्पादन बंद करना है।
इसलिए, इस अपडेट को Google द्वारा जनरेटिव मीडिया उत्पादों को उत्पादित करने की एक प्रगति के रूप में देखा जा सकता है: मॉडल अब केवल कुछ दर्जन सेकंड के तकनीकी डेमो देने से संतुष्ट नहीं है, बल्कि इंबेड करने योग्य, पुन: उपयोग योग्य और डिलीवर करने योग्य सामग्री के कार्यों को संभालना शुरू कर रहा है। क्या यह क्रिएटर्स का आम टूल बन पाएगा, इसका निर्णय वास्तविक प्रोजेक्ट्स में सुसंगठितता, लागत, समीक्षा प्रक्रिया और उपयोगकर्ता प्रतिक्रिया पर निर्भर करेगा। आधिकारिक रूप से पुष्टि किया गया है कि Lyria 3.5 अब संबंधित उत्पादों और इंटरफ़ेस में शामिल हो चुका है; बाजार अंततः उसे तभी स्वीकार करेगा, जब यह वास्तविक कार्य प्रवाह में कितना समय बचाता है और कितने पुनर्निर्माण को कम करता है।