谷歌Lyria 3.5音乐生成模型上线Gemini：人人可用AI写歌，44.1kHz完整歌曲带SynthID水印

先看Lyria 3.5到底是什么。它是谷歌DeepMind团队开发的音乐生成大模型，一个多月前首次亮相时只出现在Google Flow Music工具中，这次是它第一次大规模进入Gemini。根据谷歌开发者文档，Lyria 3.5可以接受文本提示或图片输入，输出44.1kHz的立体声音频，具备'结构连贯性'——包括人声、对齐的歌词时间轴和完整的器乐编曲。也就是说，用户不只是得到一段旋律，而是一首有头有尾、有主歌副歌桥段的完整歌曲，时长达数分钟。在Gemini App里，用户可以结合风格选择与提示词输入，还能选择歌曲是否包含人声、或者只要纯器乐伴奏；文档还显示Lyria 3.5支持新的文本歌词功能，让生成歌曲的歌词也由用户掌控。对于需要短循环素材的场景，谷歌保留了lyria-3-clip-preview模型，总是输出30秒的clip，方便做预览、做循环、做短视频配乐。

这次发布的分量，放在整个AI音乐竞争格局里看会更清楚。过去两年，Suno与Udio凭借'一句话生成完整歌曲'的能力迅速走红，一度让传统音乐产业如临大敌；Udio在2024年被谷歌旗下DeepMind投资的Uncharted Labs团队拆分后，Suno成为独立赛道里最受关注的玩家，最新估值据报已达百亿美元级别。与此同时，版权诉讼一直是悬在AI音乐头上的达摩克利斯之剑——就在今年7月31日，德国慕尼黑法院对Suno作出裁决，认定其在训练中使用受版权保护的作品构成侵权，并主张对欧盟境外发生的训练行为也具有管辖权。谷歌选择在这个时间点把Lyria 3.5大规模铺开，并且强调SynthID水印，明显是在打'安全合规'这张牌：用技术手段让AI生成内容可被识别、可被追溯，既回应监管关切，也向潜在的企业级客户递出橄榄枝。

对普通用户来说，最直观的变化是：写歌的门槛变成了'会打字'。在Gemini App里，用户选好曲风（流行、电子、嘻哈、民谣等），输入一句描述，比如'一首关于夏日海边告别的抒情歌，女生声线，带点爵士'，Lyria 3.5就会在几十秒内给出完整歌曲。如果想做短视频配乐或铃声，30秒的lyria-3-clip-preview会更合适。需要强调的是，生成内容都会带上SynthID水印——这是一种嵌入音频频谱的不可感知标记，人耳听不出来，但可以被检测工具识别，从而让平台与创作者能够确认一段音频是否由AI生成。对于YouTube、TikTok这类需要标注AI内容的平台，这相当于给AI音乐装上了'身份证'。谷歌还强调，Lyria 3.5不仅支持英文，也能处理多语言人声，未来在音乐全球化创作上有很大想象空间。

把Lyria 3.5放进Gemini，对谷歌自身的战略意义也不小。今年以来，谷歌在AI内容生成上明显加速：8月一口气发布了Gemini 3.7 Flash与3.8 Flash等多款模型，现在又把音乐生成塞进拥有数亿用户的Gemini App——这是典型的'流量入口+模型能力'组合拳。对开发者而言，Gemini API开放Lyria 3.5意味着：做音乐教学App的可以内置'AI作曲演示'，做视频工具的可以让用户一键配乐，做游戏工作室的可以快速生成氛围BGM。谷歌的定价策略也相当激进，延续了Flash系列'低价走量'的思路，试图用规模摊薄成本、用生态锁定开发者。接下来值得关注的是：Suno与Udio会如何应战？版权裁决会不会改变AI音乐的商业模型？以及，当每个人都成为'作曲家'，传统音乐产业的游戏规则会不会被彻底重写？

站在更长的时间线上，Lyria 3.5进入Gemini可能是一个标志性节点。它意味着AI音乐从'极客玩具'变成了'国民应用'——数亿Gemini用户不用安装任何新软件，就能在聊天里完成从灵感到成曲的全流程。对创作者来说，AI不会取代会写歌的人，但它一定会改变'写歌'这件事的分布：过去只有受过训练的音乐人才能完成的编曲、混音、人声合成，现在变成了一句提示词。而SynthID水印的存在，让这场创作民主化没有滑向'深度伪造音乐'的失控方向。真正的悬念在于商业模型：当生成音乐的边际成本趋近于零，音乐产业的价值会从'作品'迁移到'现场、版权、情感连接'——这恰恰是AI最难复制的东西。谷歌迈出的这一步，正在把那个未来提前带到每个人面前。