Google DeepMind 发布 Lyria 3 Pro：AI 音乐从"30秒试听"变成完整歌曲

marsbit发布于2026-03-26更新于2026-03-26

文章摘要

Google DeepMind于3月25日发布Lyria 3 Pro，距离上一版本仅六周。此次升级的核心是将AI音乐时长从30秒大幅提升至3分钟，并新增“结构感知”能力，使模型能够理解歌曲的内部结构，支持用户通过提示词指定前奏、主歌、副歌等段落，实现更自然的衔接和动态变化，标志着AI音乐工具从“生成器”向“创作工具”迈进。尽管Suno和Udio早在2025年初已具备类似能力，但Google凭借Gemini生态的分发优势，有望覆盖更广泛的用户群体。同时，通过Vertex AI开放企业级接入，Google正将Lyria嵌入企业工作流。 Lyria 3 Pro支持文字、图片、视频输入，可自动匹配音乐风格，生成包含人声、歌词和乐器的多语言音乐，并自动添加SynthID水印标注AI来源。目前仅限Gemini付费用户使用，按套餐分层提供每日生成次数，免费用户仍限用30秒版本。开发者可通过API接入，企业级应用也已逐步集成。版权方面，Google称训练数据遵循与艺术家的协议，但未披露具体来源和授权范围，与行业面临的版权争议一致。该功能正逐步开放，部分地区可能存在延迟。

Google DeepMind 于 3 月 25 日推出 Lyria 3 Pro。距离上一版 Lyria 3 发布仅六周,这次升级的核心只有一件事:把生成时长从 30 秒拉到 3 分钟,同时让模型真正理解一首歌的内部结构。

这个跨度不是小幅迭代。 30 秒够用来生成背景音效,但写不了一首歌——没有段落、没有转折、没有高潮。Lyria 3 Pro 新增的"结构感知"能力,允许用户在提示词里指定前奏、主歌、副歌、桥段,模型据此安排段落衔接和动态变化。这是 AI 音乐工具从"生成器"向"创作工具"迈出的关键一步。

Suno 和 Udio 已经做了一年

坦白说,这个能力 Suno 和 Udio 在 2025 年初就具备了,两者生成时长更长,结构控制也更灵活。Google 在这个节点跟上,代表的是它在音乐 AI 赛道真正转入竞争状态——背靠 Gemini 生态的分发能力,Lyria 3 Pro 的用户覆盖面会比任何独立音乐 AI 工具都大得多。

Vertex AI 的同步开放则是另一个信号:Google 不只想做消费端工具,还要把 Lyria 嵌进企业工作流。

具体能做什么

输入支持文字、图片和视频,模型根据内容情绪自动匹配音乐风格。生成内容包含人声、歌词和乐器,覆盖多种语言。所有输出自动嵌入 SynthID 水印,标注 AI 来源——这是 DeepMind 在内容溯源上的一贯做法。

谁能用,怎么用

Gemini App 付费用户现已可以使用。按套餐分层:AI Plus 每天约 10 首,Pro 约 20 首,Ultra 约 50 首。免费用户仍停留在 Lyria 3 的 30 秒版本。

支持语言覆盖英文、日文、韩文、印地语、西班牙文、葡萄牙文、德文、法文等,限 18 岁以上用户使用。操作路径:Gemini App → Create Music → 选择"Thinking"或"Pro"模式。

开发者可通过 Google AI Studio 和 Gemini API 接入;Vertex AI 已进入公开预览,面向企业级按需生成场景。Google Vids 和旗下音乐制作工具 ProducerAI 也已开始集成。企业版 Workspace 支持预计数日内到位。

版权问题仍是悬案

Google 表示训练数据的使用遵循与艺术家的相关协议,但没有披露具体来源和授权范围。这和 Suno、Udio 面临的版权诉讼处于同一背景下——行业对 AI 音乐训练数据的法律争议尚未有定论,Google 的表态更多是立场声明,而非完整答案。

Lyria 3 Pro 目前正在逐步向用户开放,部分地区可能存在延迟。

你可能也喜欢

从代码到认知：机器人大脑进化的万字指南

本文概述了机器人大脑从传统代码控制到现代人工智能模型驱动的演进历程。文章首先回顾了前大型语言模型（LLM）时代，机器人依赖手工编码的模块化技术栈（感知、状态估计、规划、控制）和行为树，虽稳定但泛化能力差。随后，深度学习改进了感知，强化学习和模仿学习进入了控制层，但策略仍较为狭窄。 ChatGPT的出现带来了转折。LLM最初被用作自然语言编译器，将指令转化为机器人可执行的原子技能序列（如谷歌的SayCan）。但更重要的突破是视觉-语言-动作模型（VLA），例如谷歌的RT-2和开源的OpenVLA，它能将视觉、语言信息融合，直接输出动作指令，实现了推理与行动的耦合。目前最先进的系统采用“双脑”架构（如Figure AI的Helix、NVIDIA GR00T）：一个慢速、参数多的“系统2”负责高层次推理和规划；一个快速、小巧的“系统1”负责高频动作生成。其下还可能有一个“系统0”反射层处理平衡等底层控制。出于延迟和可靠性考虑，安全关键的控制回路通常在机器人本地（如NVIDIA Jetson模块）运行，而对话界面和集群学习等任务可交由云端。开源模型（如OpenVLA、GR00T、π0）降低了行业门槛，让初创公司能在其基础上用自有数据微调。然而，当前VLA机器人仍存在任务中途恢复能力弱、样本效率低、缺乏物理常识和长期规划能力等局限。这催生了下一代方向：世界模型。这类模型（如NVIDIA Cosmos、Meta V-JEPA）能根据当前状态和动作预测未来结果，让机器人在行动前进行模拟和评估，从而改善恢复能力、泛化能力和长期规划。架构上主要分为像素级视频扩散、联合嵌入预测架构（JEPA）和潜在动作世界模型等流派。文章最后指出，数据采集（特别是远程操作数据）是核心竞争力，仿真训练至关重要，机器人成本正在迅速下降。当前物理AI的发展阶段大约相当于“GPT-2时代”，虽未完全自主，但正通过架构的持续演进（从代码到感知、规划、策略，最终到世界模型），朝着更通用、更强大的方向稳步前进。

marsbit3分钟前

marsbit3分钟前

AI 泡沫正在破裂

近期市场剧烈波动，“AI泡沫论”甚嚣尘上。桥水达利欧认为AI市场存在“相对较高”的泡沫，而英伟达黄仁勋则强调AI算力需求才刚刚开始。两者观点看似矛盾，实则揭示了技术革命初期的典型特征：市场因高估短期影响而产生泡沫，却往往低估其长期颠覆性力量。回顾2000年互联网泡沫，纳指暴跌78%，超5万亿美元财富蒸发，大量公司破产。然而，泡沫破裂后留下的廉价电信基础设施（如海底光缆），却成为日后流媒体、云计算乃至移动互联网崛起的基石。这符合“阿玛拉定律”：人们高估技术的短期影响，低估其长期影响。泡沫是创新必须缴纳的“智商税”，其破裂能淘汰投机者，沉淀下坚固的基础设施，滋养真正伟大的公司。当前AI行业同样呈现巨大的“投入-产出”不对称：2026年，五大云服务商的AI基础设施资本开支预计达6900亿美元，而头部纯AI厂商的总收入预计不超过400亿美元。但深层逻辑正在演变：AI推理成本在两年内暴跌超过99.7%，接近零的边际成本解锁了海量长尾需求，驱动企业AI支出翻倍增长。这印证了“杰文斯悖论”——效率提升导致总消耗量指数级上升。如今，各行业关心的已非“是否用AI”，而是如何更有效地整合AI。市场已进入“幻灭的低谷”前夕，缺乏护城河的套壳公司正批量死亡，这是市场的自我净化。与此同时，价值转移正在发生：1. 从资本开支（CapEx，如硬件）向运营开支（OpEx，如解决垂直行业痛点的应用）转移；2. 高估值正被高速增长的业绩逐步消化。AI已深入制造业（缩短研发周期）、金融（微秒级定价）、法律、医疗等专业领域，成为实质性的生产力工具。历史总在重演“创造性毁灭”。当下近7000亿美元的基建投资短期内无法全部转化为利润，市场洗牌不可避免。但洗牌之后，廉价的算力与高度优化的算法将赋能千行百业。正如互联网泡沫后我们迎来了数字时代，AI泡沫的喧嚣过后，我们将不可逆转地迈向一个所有行业都由AI深度赋能的智能全盛时代。泡沫终会破裂，但底层先进生产力的势能，没有水分。

链捕手13分钟前

AI 泡沫正在破裂

近期市场对“AI泡沫论”讨论激烈。桥水基金创始人达利欧认为AI市场存在较高泡沫，而英伟达CEO黄仁勋则强调算力需求刚起步。两者观点看似矛盾，实则反映了技术革命初期的典型特征：短期存在投机泡沫，但长期看，AI是颠覆性的先进生产力。文章以2000年互联网泡沫类比。当时大量.com公司破产，纳指暴跌，但泡沫破裂后留下的廉价基础设施（如光缆）滋养了后来的谷歌、亚马逊等巨头，推动了互联网时代的真正繁荣。这体现了“阿玛拉定律”——人们高估技术的短期影响，低估其长期影响。当前AI领域同样存在巨大投入与收入不匹配的现象。2026年，主要云服务商的AI基础设施投资预计达6900亿美元，而头部AI公司的总收入仅约400亿美元。然而，这不能简单视为泡沫破裂的信号。关键变化在于AI推理成本急剧下降，两年内降幅超99.7%，这反而激发了海量的新应用需求，企业AI支出大幅增长。这符合“杰文斯悖论”：效率提升导致成本下降，进而刺激总需求上升。如今，AI已深入各行各业，从生物医药到制造业，企业关注点已从“是否用AI”转向如何优化应用。市场正在进行自然净化，淘汰缺乏核心竞争力的套壳公司，价值将从基础设施层（CapEx）向解决实际问题的应用层（OpEx）转移。尽管资本市场可能出现波动和估值调整，但AI技术本身正在扎实地提升各行业效率，例如缩短研发周期、优化金融服务等。如同互联网泡沫后开启了数字时代，当前AI领域的调整是为未来智能时代铺路。泡沫终会消退，但AI驱动的生产力革命已不可逆转。

marsbit14分钟前

下一个比特币ETF热潮可能来自日本——原因如下

美国现货比特币ETF近期表现持续低迷，随着加密货币市场再次进入调整，数据显示这些ETF在5月中旬至6月初连续13个交易日出现净流出，投资者撤资约43.3亿美元。不过，其净资产规模仍达751.2亿美元。与此同时，市场开始关注下一个可能推出重要比特币ETF的国家，日本被视为有力候选者。分析师指出，日本监管机构正推动将加密资产从《支付服务法》框架转向《金融工具与交易法》管辖，使其被认可为投资产品。这一改革正将讨论焦点从“是否”批准转向“何时”批准。若改革成功，日本庞大的家庭金融资产（约2,350万亿日元）和投资基金（约300万亿日元）可能为比特币ETF提供巨大潜力。分析预测，在保守情景下，日本现货比特币ETF可能吸引约9,000亿日元（约56.1亿美元）资金；在基准情景下，规模可能达1.4万亿日元（约87.3亿美元），相当于需求约14万枚比特币；在乐观情景下，首年资金流入可能高达3.1万亿日元（约193.4亿美元）。分析师强调，日本比特币ETF的推出不仅可能推动价格上涨，更能降低投资者参与门槛，使财富管理机构更容易推荐比特币配置，提升机构投资者的信心，并增强比特币在传统金融中的合法性。当前比特币价格约为61,038美元，24小时内下跌2.81%。

bitcoinist34分钟前

bitcoinist34分钟前

特朗普的43分钟：强人叙事失控，媒体战升级

消失一周多后，美国总统特朗普重新公开露面，举行了一场43分钟的发布会。面对对其健康状况、伊朗军事行动及党内裂痕的质疑，他并未着力展示掌控力，反而使发布会偏离核心议题。他先花时间谈论国家广场倒影池改造，后又将自己集会人数与马丁·路德·金相比，并持续攻击记者、民主党人及多个美国城市，呈现焦躁且防御性强的形象。其间，他签署行政令，取消了约8000名高级联邦雇员的岗位保护，此举被指将削弱文官体系的专业性与独立性，使政府内部更强调对个人的忠诚。他对CNN记者的个人化攻击，以及文中提及的CBS等媒体面临的编辑独立危机，反映出政治权力与商业利益正对新闻业构成双重压力。文章认为，特朗普试图抹黑媒体以削弱公众对真相的信任。当主流媒体可能妥协时，独立记者和创作者成为维护公共事实的关键力量。文章最后指出，发布会当天，众议院有共和党人倒戈，通过了一项要求结束伊朗战争的决议，这显示特朗普的偏执与对“不忠”的无法容忍，正在使其失去部分党内保护，也构成了作者对美国制度韧性仍抱希望的依据。

marsbit4小时前