Lyria RealTime 实时双向流式器乐混音台(models/lyria-realtime-exp)
基于持久 WebSocket 输出 48kHz / 16-bit 双声道无损 PCM 音频流。在演奏过程中拖动任意轨道权重或声学旋钮,模型将在约 2 秒内平滑过渡乐曲走向!
90%
多路加权提示词混音推子(Weighted Prompts)
可同时叠加曲风、主奏乐器与空间质感。权重范围 0.1 – 3.0(官方规定权重不可为 0,如需关闭某轨请拨动左侧开关)。
实时声学与采样配置(LiveMusicGenerationConfig 全参数)
未开启开关的可选参数不会下发固定值,交由模型根据提示词自动适应;开启后拖动即可实时推送给流式引擎。
自动
4.0
自动
自动
默认 (1.1)
默认 (40)
Google AI (Gemini API) 音乐生成模型全景对比
当前服务端配置的 Paid Tier API Key 支持 Google AI 平台开放的全部 4 款 Lyria 家族音乐生成模型。它们分属两套互补的技术架构:
| 模型代码 (Model ID) | 版本定位 | 调用协议 | 输出时长与音频规格 | 支持输入模态 | 人声与歌词支持 | 官方计费 (Paid Tier) |
|---|---|---|---|---|---|---|
lyria-3.5 |
稳定版 (GA) 旗舰完整歌曲 |
Interactions API ( interactions.create) |
约 1.5–3+ 分钟(可由提示词与时间轴调控) 44.1 kHz 立体声 MP3 / WAV |
文本 + 最多 10 张参考图片 (最大 131,072 输入 tokens) |
默认生成自然人声与多语种歌词;支持自定义歌词或纯器乐 | $0.08 / 首 (无免费层级) |
lyria-3-clip-preview |
预览版 (Preview) 短片段与快速试错 |
Interactions API ( interactions.create) |
固定 30 秒 44.1 kHz 立体声 MP3 / WAV |
文本 + 最多 10 张参考图片 | 支持人声短段落或纯器乐 Loop / BGM | $0.04 / 首 (无免费层级) |
lyria-realtime-exp |
实验版 (Experimental) 低延迟交互流式打碟 |
LiveMusic WebSocket ( bidiGenerateMusic) |
无限持续实时推流(控制延迟 ≤ 2s) 48 kHz / 16-bit 立体声原始 PCM |
多路带权重文本提示词 (WeightedPrompt) + 12 项实时控制参数 |
纯器乐流(开启 VOCALIZATION 模式可把无词吟唱当乐器混音) |
实验版免费开放流式测试 |
lyria-3-pro-preview |
旧版预览 (Legacy) 上一代完整歌曲 |
Interactions API ( interactions.create) |
数分钟完整歌曲 44.1 kHz 立体声 MP3 |
文本 + 最多 10 张参考图片 | 支持人声与纯器乐(新项目推荐直接用 lyria-3.5) |
$0.08 / 首 (无免费层级) |
离线成曲(Lyria 3.5 / Clip)创作与调参秘籍
- 两步省钱高效工作流:官方推荐先用
lyria-3-clip-preview($0.04/次)测试曲风、配器与音色描述词;找到理想感觉后,直接把模型切到lyria-3.5生成完整结构歌曲。 - 段落标签控制曲式:在提示词或歌词中使用
[Intro] -> [Verse 1] -> [Pre-Chorus] -> [Chorus] -> [Bridge] -> [Outro],模型在生成音频前会先进行内部曲式结构推理(不暴露中间 thought 块,但严格保证段落衔接与情绪递进)。 - 分秒时间轴精准编排:可使用如
[0:00 - 0:12] Intro: 轻柔黑胶底噪与独奏钢琴、[0:12 - 0:35] Verse 1: 温暖女声切入...精确指定乐器进出与鼓点 Drop 时刻。 - 多语种发音自适应:模型默认根据提示词/歌词所用的语言匹配母语级咬字发音(如写中文出中文歌、写法语出法语香颂、写越南语出越南语流行曲),无需复杂音标标注。
- 图片配乐(Image-to-Music):一次最多可附带 10 张图片,适合电影分镜配乐、绘本故事配乐或旅游相册定制 BGM。
- 安全与水印说明:所有生成音频均内嵌人耳不可闻的 SynthID 数字水印;切勿在提示词中出现真实歌手/乐队名字或知名受版权保护歌词,否则会被安全策略拦截无法出声。
Lyria RealTime 12 项实时声学参数详解
| 参数名 | 取值范围 / 默认 | 作用机制与听感说明 |
|---|---|---|
WeightedPrompt |
weight ≠ 0(常用 0.2–2.0) |
多路文本提示词按权重混合风格与乐器。逐步微调权重可实现平滑 Cross-fade 过渡。 |
guidance |
0.0 – 6.0(默认 4.0) |
提示词遵循度。越高越严格贴合描述词,但切换风格时过渡会变生硬;较低时即兴感更强。 |
bpm |
60 – 200(不传则自动) |
每分钟节拍数。属于大幅结构变更,修改后须触发 reset_context() 方可立即切换新速度。 |
scale |
12 组大小调枚举(默认自动) | 限定演奏音阶。模型不区分关系大小调(如 C 大调与 a 小调同属全白键组),修改后同样需 reset_context()。 |
density |
0.0 – 1.0(不传则自动) |
音符与节奏密集度。接近 0 时极简留白稀疏,接近 1 时鼓点与旋律织体高度密集繁忙。 |
brightness |
0.0 – 1.0(不传则自动) |
音色明亮度。调低偏温暖厚重低频,调高突出清脆高频泛音与明亮合成器质感。 |
mute_bass / mute_drums / only_bass_and_drums |
布尔开关(默认全关) | 实时抽离贝斯、抽离鼓组,或瞬间只留鼓+贝斯铺底,非常适合现场打碟做 Breakdown 与 Drop。 |
music_generation_mode |
QUALITY / DIVERSITY / VOCALIZATION |
默认 QUALITY 保音质;DIVERSITY 增加变奏;VOCALIZATION 开启人声乐器化吟唱。 |
temperature / top_k / seed |
0–3.0 (1.1) / 1–1000 (40) / 整数 |
底层神经网络采样随机度与可复现随机种子控制。 |
服务端作品与示例试听库
保存在 Spark 服务端的历史成曲与预置演示音频。可随时在线播放、查看完整提示词与歌词、一键回填参数二次创作,或下载原文件。
暂无历史作品,快去「歌曲与片段创作」生成第一首音乐吧!