AI news

谷歌Gemini上线AI音乐创作,一夜革了Suno的命!

By 新智元0 viewsSource: 新智元
谷歌Gemini上线AI音乐创作,一夜革了Suno的命!

谷歌在 7.5 亿月活的 Gemini 中上线了 AI 音乐生成功能,输入一句话或一张照片,几秒就能得到一首带人声和歌词的完整歌曲。背后是 DeepMind 最新的 Lyria 3 模型,训练数据超 200 万首曲目。对 Suno 等 AI 音乐创业公司而言,竞争从此不再只是比模型,更是要比入口。

The full text has not been translated yet. The Chinese original is shown below.

昨天,谷歌在 Gemini App 中上线了 AI 音乐生成功能。

文章配图

用户输入一段文字描述,或者上传一张照片,几秒钟内就能得到一首 30 秒的完整歌曲,带人声、带歌词、带 AI 生成的封面。纯器乐当然也是支持的。

文章配图

驱动这个功能的是 DeepMind 最新的音乐生成模型 Lyria 3。

文章配图

谷歌对这项功能的定位,不是取代音乐人,而是让普通人获得一种全新的自我表达方式。

做 AI 音乐生成的公司不少,但把它直接塞进一个拥有超过 7.5 亿月活用户的超级应用里,谷歌是头一个。

「30 秒」背后的技术跃迁

从 2023 年发布初代 Lyria 算起,这已经是谷歌在音乐生成领域的第三代模型。

相比前代,Lyria 3 有几个明显的进步。

过去用户需要自己写歌词输入模型,现在 Lyria 3 可以根据提示词自动生成歌词。

用户对风格、人声类型、节拍速度等元素的控制也更精细了。

根据 DeepMind 官方推文,Lyria 3 输出 48kHz 立体声音频,人声表现更自然,歌词的咬字清晰度也有了明显提升。

文章配图

据数字音乐媒体 Digital Music News 报道,Lyria 3 的训练数据规模从 Lyria 2 的约 50 万首曲目扩展到了超过 200 万首,音频位深从此前版本升级到了 24-bit。

这意味着它在音质维度上甚至超过了 YouTube Music 等主流流媒体平台的标准。

除了文本生成音乐,用户还可以上传照片或视频,让 Gemini 根据视觉内容的情绪来作曲配词。

比如上传一张徒步的照片,Gemini 就能创作一首与之匹配的歌曲。

文章配图

封面则由谷歌的图像生成模型 Nano Banana 自动完成。

功能目前以 Beta 形式向全球 18 岁以上用户开放,支持英语、德语、西班牙语、法语、印地语、日语、韩语和葡萄牙语,桌面端已率先上线,移动端将在未来几天内陆续推送。

谷歌 AI Plus、Pro 和 Ultra 订阅用户将享有更高的使用额度。

与此同时,Lyria 3 也被整合进了 YouTube 的 Dream Track 功能,帮助创作者为 Shorts 短视频生成背景音乐。这项功能此前仅限美国地区,此次正式面向全球创作者开放。

版权这张牌

谷歌打得很小心

AI 音乐生成领域的版权纠纷从未停歇。

2024 年夏天,环球音乐、索尼音乐和华纳音乐联手对 AI 音乐初创公司 Suno 和 Udio 提起了总金额达 5 亿美元的版权侵权诉讼。

到 2025 年底,Suno 与华纳达成和解并获得授权,Udio 也分别与环球和华纳签署了协议。

整个行业正在从对抗走向合作,但紧张关系远未消散。

在这个背景下,谷歌的措辞格外谨慎。

官方公告强调 Lyria 3 的设计目标是「原创表达,而非模仿现有艺术家」。

如果用户在提示词中提到某位具体艺术家的名字,Gemini 只会将其作为宽泛的创作灵感,生成风格或情绪相似的作品,而非模仿该艺术家的声音。

谷歌还表示在训练过程中「非常注意版权和合作伙伴协议」,并设置了过滤器来比对输出内容与已有作品。

在内容标识层面,所有通过 Gemini 生成的音乐都会嵌入 SynthID 水印。

更值得关注的是,Gemini 现在还新增了音频鉴别功能——用户可以上传一段音频文件,询问它是否由谷歌AI 生成,Gemini 会检测 SynthID 标记并结合自身推理给出判断。

这是继图片和视频鉴别之后,SynthID 覆盖的第三种媒体类型。

当音乐生成变成一场平台战争

如果说 Suno 和 Udio 代表了 AI 音乐的创业浪潮,谷歌此举则标志着这场竞赛正式升级为平台级别的角力。

Suno 在 2024 年 11 月完成了 2.5 亿美元融资,其付费版本已经提供了虚拟音频工作站等专业编辑功能。

但 Suno 的月活用户量级与 Gemini 的 7.5 亿相比,根本不在同一个数量级。

Tom's Guide 的编辑在体验后写道,她把丈夫的待办事项清单变成了一首朋克摇滚歌曲,然后通过短信发了出去。

这种场景可能正是谷歌想要的:音乐生成的杀手级应用也许并不在录音棚里,而是藏在日常生活的每一条消息、每一次分享中。

30 秒的长度限制、Beta 阶段的粗糙感、版权争议的暗涌——Lyria 3 显然还远谈不上完美。

但谷歌选择在这个时间点把它推向 7.5 亿用户面前,传递的信号已经足够清晰:AI 音乐生成这件事,它不打算再等了。

当每个人的口袋里都装着一个作曲家的时候,改变的或许不是音乐本身,而是我们与音乐之间的关系。

参考资料:

https://blog.google/innovation-and-ai/products/gemini-app/lyria-3/

https://x.com/GoogleDeepMind/status/2024153067654902014

文章来自于微信公众号 "新智元",作者 "新智元"

Related topics

After reading

Join the AINRK community

Read how to join the community and connect with people working in AI.

Community information (opens in a new tab)