Lyria 3

Google 的音乐与环境音模型家族。两个变体共用同一套提示词接口，用时长换运行速度：

• Lyria 3 Clip —— 短片段、循环、预览，最长 30 秒（约 30 秒运行时间）。
• Lyria 3 Pro —— 含主歌、副歌、过渡段的完整曲目，最长约 2 分钟（约 1 分钟运行时间）。

两个变体都输出 44.1 kHz 立体声音频。

能力

特性	Lyria 3 Clip	Lyria 3 Pro
文生音频	支持	支持
最长时长	30 秒	约 2 分钟
输出	44.1 kHz 立体声（MP3 / WAV）	44.1 kHz 立体声（MP3 / WAV）
人声 + 乐器	支持	支持
参考音频	不支持	不支持
反向提示词	不支持	不支持
参考图像	支持（最多 10 张）	支持（最多 10 张）

何时用哪个

• Lyria 3 Clip —— 单一音乐想法的快速迭代、SFX 风格的循环、短小的过场或转场音效。
• Lyria 3 Pro —— 制作级音乐，包含完整曲式（前奏 → 主歌 → 副歌 → 过渡段 → 尾奏），或较长的氛围铺垫 / 音景。

两者的提示词写法通用 —— 先用 Clip 把曲风、配器和情绪敲定，再用 Pro 重跑生成完整作品。

提示词写作指南

好的提示词描述清晰、具体。先抓住核心音乐想法，再用关键词在以下维度上细化。Lyria 3 把整段提示词当作一份完整简报来读 —— 没有独立的字段控制速度、调式、乐器等，全部内嵌到提示词正文里。

核心维度

元素	它控制什么	示例
曲风 & 风格	主类型 + 子类型	electronic dance（电子舞曲）、cinematic orchestral（电影管弦乐）、lo-fi hip-hop、80s synth-pop（80 年代合成器流行）、Berlin techno（柏林 techno）
情绪 & 感受	情感基调	energetic（高能）、melancholy（忧伤）、peaceful（宁静）、tense（紧张）、nostalgic（怀旧）、dreamy（梦幻）
配器	主奏 vs 伴奏	solo piano（独奏钢琴）、Fender Rhodes（电钢）、string orchestra（弦乐队）、electronic drums（电子鼓）、acoustic guitar（木吉他）
速度 & 节奏	节拍 + 节奏特征	120 BPM、slow ballad（慢板抒情）、driving beat（推进感节拍）、syncopated rhythm（切分节奏）、gentle waltz（轻柔华尔兹）
音景 （可选）	背景纹理 / 环境	rain falling（雨声）、vinyl crackle（黑胶噪点）、spacious reverb（宽阔混响）、underwater feel（水下感）
制作质感 （可选）	混音 / 录音风格	high-quality production（高质量制作）、clean mix（干净混音）、vintage recording（复古录音）、raw demo feel（粗糙 demo 质感）

曲式结构（Lyria 3 Pro）

Pro 模型理解曲式，会跟随你的大纲。可用以下任一种方式：

段落标签 —— [Intro]（前奏）、[Verse 1]（主歌 1）、[Pre-chorus]（导歌）、[Chorus]（副歌）、[Bridge]（过渡段）、[Outro]（尾奏）。

流向箭头 —— [Intro] → [Verse 1] → [Chorus] → [Verse 2] → [Chorus] → [Bridge] → [Outro]。

能量 / 强度曲线 —— Gradual crescendo throughout, adding one instrument at a time（整曲渐强，每次加入一件乐器）、Build tension in the pre-chorus, drop to silence before a massive chorus（导歌建立张力，副歌前坠入静默）。

时间戳 —— 精确到秒的控制：

[0:00 - 0:12] Intro: Begin atmospherically with just Fender Rhodes chords,
              warm reverb, light atmospheric texture. Intensity: 1/10
[0:12 - 0:24] Verse 1: Drums enter (kick + snare). Synth pad swells in
              the background. Intensity: 3/10
[0:24 - 0:36] Build: Add syncopated hi-hat and a warm rounded-synth lead
              with a hopeful tension. Intensity: 5/10
[0:36 - 0:48] Chorus: Pull intensity back; return to core Rhodes groove.
              Intensity: 4/10
[0:48 - 1:00] Outro: Drums and bass drop out; Rhodes + lingering pad
              fade. Intensity: 2/10

也可以在提示词任意位置插入瞬时提示：Build to a drop at 12s（在 12 秒处砸下 drop）、The chorus kicks in at 22s（22 秒副歌进入）、Someone says "what" every 2 seconds（每 2 秒有个声音说 "what"）。

歌词

默认 Lyria 会按曲风 / 情绪生成人声 + 歌词。三种引导方式：

自带歌词 —— 配合段落标签提供：

Lyrics:

[Verse 1]
Walking through the neon glow,
city lights reflect below.

[Chorus]
We are the echoes in the night,
burning brighter than the light.

需要回声 / 和声效果时用括号："Let's go (go)"。

引导 Lyria 自写歌词 —— 描述主题："歌词讲述失恋之痛，歌手回忆过去的恋情；副歌强劲，聚焦走出痛苦、向前看"。

纯器乐 —— 明确写出："Instrumental only, no vocals"（纯器乐，无人声）。不加这个，Lyria 在某些曲风下仍可能加入人声。

语言 —— Lyria 用你写提示词的语言生成歌词。写中文得中文歌词，写法语得法语歌词。也可以显式指定："Write the lyrics in French"。

人声效果（非歌词的人声片段）也可以："A repeating sample says 'I can't believe this!' throughout the song"、"The track opens with a conversation about movies before segueing into the pop song"。

人声音色描述

要唱歌的人声，给出详细音色描述 —— 性别、音色质感、音域：

• 女高音 —— clear, crystalline timbre with agile soaring quality; airy breathy whistly highs（清澈水晶质感，灵活高亢；空灵气声的哨音高音）
• 女中音 —— rich, warm, husky lower range; smoky timbre with vocal fry, soulful and resonant（醇厚温暖沙哑的低音域；带气泡音的烟熏质感，灵魂且共鸣）
• 男高音 —— bright, piercing, energetic; youthful timbre with a slight nasal edge; high belting power（明亮、穿透、富有能量；年轻略带鼻音；高音爆发力强）
• 男中音 —— deep, chocolatey, velvet-smooth; resonant chest voice with crooning delivery（深沉巧克力般丝滑；共鸣胸声，低吟演唱）
• 沧桑摇滚男声 —— raspy, gravelly, reminiscent of 90s grunge; strained upper range（沙哑粗砺，让人想起 90 年代 grunge；上沿略带绷紧）

参考图像（多模态）

两个模型都接受最多 10 张参考图像。在 inspector 里用 @-mention 引用上游 artifact，可以在提示词的特定位置 inline 标注：

ambient track with sunset feel from @[Image 1] transitioning to
nighttime rave energy like @[Image 2]

inspector 会把每个 mention 编译成定位引用，让 Lyria 把每张图与引入它的那段提示词联系起来。未被 mention 的图片仍然会传给模型（作为整体氛围参考），但没有位置锚定。

调式、BPM、强度

这些是一级控制项 —— Lyria 在明确写出时会照办：

• 调式 / 音阶 —— in G major（G 大调）、D minor（D 小调）、chromatic（半音）
• BPM —— 120 BPM、tempo around 85 BPM
• 强度评级 —— 结构化提示词中加 Intensity: 5/10 (Medium)；或用相对描述：quiet piano intro, build to a massive wall of sound, then drop to silence

范例

Lofi 学习节拍：

A 30-second lofi hip hop beat with dusty vinyl crackle, mellow Rhodes piano chords, a slow boom-bap drum pattern at 85 BPM, and a jazzy upright bass line. Instrumental only.

带人声 hook 的明朗流行：

An upbeat, feel-good pop song in G major at 120 BPM with bright acoustic guitar strumming, claps, and warm vocal harmonies about a summer road trip.

电影感 trap 配乐：

A dark, atmospheric trap beat at 140 BPM with heavy 808 bass, eerie synth pads, sharp hi-hats, and a haunting vocal sample. In D minor.

80 年代合成器流行复古曲：

A 1980s-style synth-pop track with a driving beat, shimmering synthesizers, and a catchy anthemic chorus. Retro-futuristic, reminiscent of classic 80s pop with modern production polish. Upbeat and danceable, around 120 BPM. Verse-chorus structure with a memorable instrumental hook. The lyrics are about the feeling of getting ready for a party.

局限

• 不支持参考音频输入 —— 通过提示词与可选的参考图像驱动模型
• 不支持种子 / 确定性 —— 即使同一提示词，每次生成都是新的
• 不支持反向提示词 —— 请描述你想要的，而不是想避免的；用 "Instrumental only, no vocals" 这种正向措辞替代
• 不支持多轮编辑 —— 生成是单次完成，无法原地继续修改
• 安全过滤器会阻止"特定歌手嗓音模仿"以及版权歌词请求
• 所有输出都带有 SynthID 音频水印（人耳无法察觉）