รีวิว Google Lyria 3 Pro (2026): คุณภาพเสียง, คำสั่ง, ราคา และ API

หลังจาก 18 รุ่นที่จ่ายค่าใช้งานแล้ว การรีวิว Google Lyria 3 Pro ของเราพบว่าโมเดลนี้สามารถสร้างเพลงครบถ้วนได้ รวมถึงเสียงร้อง เนื้อเพลง ท่อนหลัก ท่อนคอรัส ท่อนบริดจ์ และการจัดเรียงเพลงที่ยาวเกือบสามนาที นอกจากนี้ โมเดลนี้ยังมีลักษณะที่ไม่เป็นไปตามกฎเกณฑ์อย่างเคร่งครัดเท่าที่เดโมที่ผ่านการปรับแต่งมาอย่างดีแสดงให้เห็น ทุกภารกิจสำเร็จลุล่วง และผลลัพธ์ทุกชิ้นถูกส่งออกเป็นไฟล์ MP3 สเตอริโอ 44.1 kHz, 192 kbps แต่เมื่อใช้คำสั่งซ้ำๆ ระบบยังคงสูญเสียโซโล่ซินธ์ เปลี่ยนแปลงเนื้อเพลงที่ถูกต้อง หลุดไปเป็นสไตล์ที่ผิด และไม่ปฏิบัติตามข้อจำกัด “ไม่มีเสียงร้อง” และ “ไม่มีริเซอร์”.

สรุปสั้นๆ: Lyria 3 Pro เป็นเครื่องมือสร้างเพลงเต็มเพลงที่ทรงพลัง สำหรับผู้ที่สามารถสร้างหลายเวอร์ชันและเลือกเวอร์ชันที่ดีที่สุดได้ มันไม่ใช่เครื่องมือแบบคลิกเดียวที่สามารถสร้างคำร้องที่แม่นยำ จังหวะส่วนเพลงที่ตรงเป๊ะ หรือมีข้อจำกัดเชิงลบที่เข้มงวด. ด้วยราคา $0.08 สำหรับการขอ API Gemini ต่อเพลงเต็มหนึ่งเพลง กระบวนการคัดเลือกนี้จึงมีค่าใช้จ่ายที่สมเหตุสมผล แต่ยังจำเป็นต้องมีการตรวจสอบคุณภาพ (QA) ในด้านการฟังและแก้ไข.

ลองใช้แบบจำลองชั้นนำกว่า 100 แบบบน GlobalGPT

สถานะของ Lyria 3 Pro ในปี 2026: Pro ไม่ใช่รุ่น Lyria ที่ใหม่ที่สุด

นับตั้งแต่วันที่ 10 สิงหาคม 2569, Google DeepMind อธิบายเกี่ยวกับ Lyria 3.5 ในฐานะรุ่นใหม่ล่าสุดในซีรีส์เครื่องเล่นเพลง และกำลังโปรโมทผ่าน Flow Music แต่สิ่งนี้ไม่ได้ทำให้ Lyria 3 Pro กลายเป็นรุ่นที่ล้าสมัย.

The หน้าโมเดล Google Cloud Lyria 3 ปัจจุบัน ยังคงแสดงอยู่ Lyria 3 Pro: บทนำ ภายใต้รหัสแบบ lyria-3-pro-preview, พร้อมด้วยฟังก์ชันสร้างเพลงเต็มเพลง, คำร้องที่ผู้ใช้กำหนดเอง, การแปลงภาพเป็นเพลง, การควบคุมโครงสร้างเพลง และคลิปเพลงยาวสูงสุด 184 วินาที.

การตั้งชื่อมีความสำคัญเพราะอินเทอร์เฟซต่างกัน ให้ใช้ Lyria 3.5 เมื่อคุณต้องการประสบการณ์ Flow Music ที่ใหม่ที่สุดอย่างเฉพาะเจาะจง ใช้ Lyria 3 Pro Preview เมื่อคุณต้องการใช้ API Gemini Interactions ที่มีการบันทึกไว้ หรือเส้นทางโมเดล Google Cloud บทรีวิวนี้กล่าวถึงเวิร์กโฟลว์ Pro ดังกล่าว โดยใช้เส้นทางทดสอบ Broly Anywhere แยกต่างหากเพื่อสร้างตัวอย่าง 18 ตัวอย่าง.

บทสรุปสั้นๆ: Google Lyria 3 Pro ดีไหม?

ใช่—หากคุณมองมันในฐานะเครื่องสร้างเพลงที่มีศักยภาพสูง แทนที่จะเป็นเครื่องมือสร้างเพลงแบบกำหนดตายตัว ผลลัพธ์ที่ดีที่สุดมีโครงสร้างเพลงที่ต่อเนื่อง การผสมผสานเครื่องดนตรีที่น่าเชื่อถือ ส่วนท้ายที่ชัดเจน และโครงสร้างที่เพียงพอจนทำให้รู้สึกเหมือนถูกแต่งขึ้นอย่างตั้งใจ แทนที่จะเป็นเพียงการวนซ้ำ การทดสอบแบบยาวมีประโยชน์เป็นพิเศษ: ทั้งสองคำขอความยาว 180 วินาที ล้วนให้ผลลัพธ์เป็นเพลงที่มีโครงสร้างต่อเนื่องที่ 176.170 และ 177.006 วินาที.

จุดอ่อนปรากฏขึ้นในด้านความสม่ำเสมอในการทำงาน เมื่อใช้คำสั่งเครื่องมือที่เหมือนกัน ผลลัพธ์ที่ได้คือเพลงแนววิทยาศาสตร์-นิยายที่ฟังดูเรียบง่าย ตามด้วยเพลงคลาสสิกสำหรับวงเครื่องสายขนาดเล็ก ซึ่งขาดเครื่องดนตรีหลายชนิดที่ระบุไว้ เนื้อเพลงที่เขียนอย่างแม่นยำทำงานได้อย่างสมบูรณ์แบบเพียงครั้งเดียว แต่กลับเปลี่ยนแปลงไปในสองครั้งที่ทำซ้ำ หากการปล่อยผลงานของคุณขึ้นอยู่กับว่าบรรทัดหนึ่ง โซโลหนึ่ง หรือองค์ประกอบต้องห้ามหนึ่งจะไม่ปรากฏขึ้นเลย ให้เตรียมทางเลือกอื่นไว้และตรวจสอบผลลัพธ์ทุกครั้ง.

เพื่อเปรียบเทียบระหว่างหมวดหมู่ที่กว้างขึ้น ระบบที่มีอยู่ การทดสอบเสียงระหว่าง ElevenLabs, Lyria 3 Pro และ Mureka แสดงให้เห็นว่าทำไม Lyria จึงเป็นตัวเลือกที่เหมาะสมที่สุด เมื่อโครงสร้างทางดนตรีโดยรวมมีความสำคัญมากกว่าการควบคุมด้วยเสียงเพียงอย่างเดียว.

Lyria 3 Pro คืออะไร?

Lyria 3 Pro เป็นโมเดลสร้างเพลงเต็มเพลงของ Google ในตระกูล API Lyria 3. Google ได้ประกาศเปิดตัว Lyria 3 Pro เมื่อวันที่ 25 มีนาคม 2569, ซึ่งสามารถปรับแต่งเพลงได้ยาวสูงสุด 3 นาที พร้อมควบคุมส่วนอินโทร, บทร้องหลัก, บทร้องซ้ำ, ส่วนบริดจ์, เนื้อเพลง, จังหวะ และเครื่องดนตรี ส่วนรุ่น Lyria 3 Clip ที่มีขนาดเล็กกว่านั้นออกแบบมาเพื่อสร้างผลลัพธ์ที่มีความยาวคงที่ 30 วินาที ส่วนรุ่น Pro เป็นรุ่นที่เหมาะสำหรับการจัดเรียงเพลงอย่างครบถ้วน.

The คู่มือการสร้างเพลง Gemini เวอร์ชันปัจจุบัน ระบุว่าทั้งสองรุ่นของ Lyria 3 สามารถรับข้อความและภาพได้ และส่งเสียงสเตอริโอที่ความถี่ 44.1 kHz ออกมา.

The คู่มือการใช้คำสั่งใน Google Cloud Lyria รองรับข้อมูลที่ส่งจากฝั่งคลาวด์ในวงกว้างยิ่งขึ้น รวมถึงไฟล์ PDF และภาพอ้างอิงได้สูงสุด 10 ภาพ ความสามารถเหล่านี้ถูกออกแบบมาสำหรับแพลตฟอร์มเฉพาะ ดังนั้นอย่าสมมติว่าทุกประเภทข้อมูลที่ส่งเข้าจะสามารถทำงานได้ผ่านทุกช่องทางของฝ่ายที่สาม.

วิธีที่เราทดสอบ Lyria 3 Pro

การทดสอบแบบปฏิบัติจริงได้ใช้จุดปลายทาง (endpoint) ของ Broly Anywhere Tasks API พร้อมกับ ID ของโมเดล lyria-3-pro. นี่คือสถานที่ทดสอบที่ได้รับอนุญาตจากผู้ใช้ ไม่ใช่ส่วนติดต่อผู้ใช้ (UI) อย่างเป็นทางการของ Gemini สำหรับผู้บริโภค เราได้ดำเนินการทดสอบ 18 ภารกิจ ซึ่งครอบคลุมความซ้ำได้ของคำสั่งเดียวกัน เนื้อเพลงที่ปรับแต่งเอง โครงสร้างตามเวลา ความแม่นยำของดนตรี ความสอดคล้องของเนื้อหาแบบยาว การควบคุม BPM/คีย์/เครื่องดนตรี เสียงร้องภาษาสเปนและภาษาญี่ปุ่น รวมถึงข้อผิดพลาดของ API.

หลักฐานมีสามชั้น ข้อมูลเกี่ยวกับไฟล์และ API — ระยะเวลา รูปแบบ MP3 อัตราตัวอย่าง อัตราบิต ช่องสัญญาณ เวลาดำเนินการ และค่าใช้จ่ายที่รายงาน — มาโดยตรงจากคำตอบและไฟล์เสียงที่ดาวน์โหลดมา การประมวลผลเสียง Flash 3.6 แบบ Gemini ได้สร้างคำอธิบายการฟังและข้อความคำร้องที่ถอดความด้วยความพยายามสูงสุด ซึ่งใช้ในส่วนต่อไปนี้ นี่เป็นการประเมินการฟังที่ได้รับการสนับสนุนจากแบบจำลอง ไม่ใช่การประเมินโดยกลุ่มผู้ฟังมนุษย์หรือ MOS ของมนุษย์ ค่า BPM ที่แม่นยำ คีย์ และเวลาของแต่ละส่วน จะถูกพิจารณาเป็นข้อมูลชั่วคราว หากไม่ได้วัดอย่างอิสระใน DAW.

การอ่านข้อมูลจากเครือข่ายสองครั้งล้มเหลวหลังจากที่งานได้ถูกสร้างขึ้นแล้ว ผู้ดำเนินการได้ดำเนินการต่อกับ ID ของงานที่มีอยู่แทนที่จะส่งงานใหม่ ดังนั้นชุดข้อมูลจึงยังคงประกอบด้วยงานที่ไม่ซ้ำกัน 18 งาน และผลลัพธ์ที่ไม่ซ้ำกัน 18 ผลลัพธ์.

คุณภาพเสียงของ Lyria 3 Pro: เสียงที่ละเอียดและนุ่มนวล แต่การควบคุมยังไม่สม่ำเสมอ

ความกลมกลืนทางดนตรีและเสียงโดยรวม

ผลการประเมินการฟังได้ระบุอย่างสม่ำเสมอว่าผลงานที่มีคุณภาพดีที่สุดนั้นมีความละเอียดอ่อน สอดคล้องกัน และผสมผสานกันได้ดี เพลงซินธ์-ป็อปของ T01 ยังคงรักษาซินธ์อาร์เพจจิโอที่สดใส กลองอิเล็กทรอนิกส์ เสียงกีตาร์ที่เน้นย้ำ เสียงร้องนำหญิง และโทนเสียงที่เต็มไปด้วยความหวังไว้ได้ ส่วนสองเพลงโพสต์-ร็อกของ T05 ยังคงรักษาโครงสร้างเพลงแบบยาวที่จดจำได้ แทนที่จะยุบตัวลงเป็นลูปสั้นที่ชัดเจน.

นั่นไม่ได้หมายความว่าทุกรายละเอียดที่ขอไว้จะถูกรักษาไว้ทั้งหมด T01-R1 ได้นำเสียงซินธ์ลีดที่ขอไว้มาใส่ในส่วนออกโทร แทนที่จะสร้างโซโล่แยกออกมา ส่วน T01-R3 ได้ตัดส่วนโซโล่ออกไป และแสดงให้เห็นข้อผิดพลาดเล็กน้อยในการสังเคราะห์เสียงร้องบนโน้ตสูง T01-R2 เป็นเวอร์ชันที่ตรงกับต้นฉบับมากที่สุด.

เนื้อเพลงที่ตรงกันทุกคำ: เป็นไปได้ แต่ไม่ใช่แบบกำหนดแน่นอน

การทดสอบเนื้อเพลงที่ปรับแต่งเองเป็นเหตุผลที่ชัดเจนที่สุดสำหรับการสร้างหลายเวอร์ชัน T02-R1 ได้ละเว้นส่วนใหญ่ของบรรทัดสุดท้ายในส่วนบริดจ์ T02-R2 ได้เพิ่มการซ้ำด้วยเสียงเอคโค่หลังส่วนคอรัส T02-R3 ได้ทำตามเนื้อเพลงที่ให้มาอย่างแม่นยำในการถอดความด้วยวิธีการที่ดีที่สุด.

สิ่งนี้ทำให้คุณสมบัติดังกล่าวมีประโยชน์ แต่ทำให้กระบวนการทำงานเปลี่ยนแปลงไป อย่าอนุมัติเพลงเพียงเพราะท่อนแรกถูกต้อง ให้เปรียบเทียบเสียงร้องทั้งหมดกับข้อความต้นฉบับ รวมถึงท่อนคอรัสที่ซ้ำกันและบรรทัดสุดท้าย ก่อนที่จะดำเนินการผสมเสียงหรือเผยแพร่.

โครงสร้างและส่วนที่มีเวลาจำกัด

ทั้งสามผลงานดนตรีอิเล็กทรอนิกส์แบบภาพยนตร์ที่มีความยาว 120 วินาที ได้รับการอธิบายว่าปฏิบัติตามลำดับมาโครที่ขอไว้ ได้แก่: ส่วนเปิดที่ผ่านการกรอง, ท่อนแรก, ท่อนคอรัสที่กว้าง, ส่วนเบรกด้วยเชลโล/กรานูลาร์, ท่อนที่สองที่เข้มข้นขึ้น, ท่อนคอรัสสุดท้าย, และส่วนจบด้วยสองคอร์ด ไฟล์จริงมีความยาวตั้งแต่ 115.148 ถึง 117.029 วินาที ดังนั้นไม่มีไฟล์ใดที่ถึงเป้าหมาย 120 วินาทีเต็ม.

ผู้ประเมินยังสร้างเวลาประทับที่ไม่เป็นไปได้ ซึ่งเกินระยะเวลาจริงของไฟล์ในบางรอบการทดสอบ ดังนั้น ข้อสรุปที่มีประโยชน์จึงมีข้อจำกัด: Lyria 3 Pro ได้ดำเนินการตามลำดับที่ร้องขอแล้ว แต่การทดสอบนี้ไม่ได้พิสูจน์ว่าตำแหน่งของส่วนต่าง ๆ ตรงกับเฟรมอย่างแม่นยำ. ใช้ DAW หากต้องการให้ส่วนคอรัสลงที่จุดตัดต่อเฉพาะ.

ความแม่นยำของเครื่องมือวัด และข้อผิดพลาดด้านความสามารถในการทำซ้ำที่ใหญ่ที่สุด

T04-R1 ได้สร้างบรรยากาศความตึงเครียดแบบนิยายวิทยาศาสตร์ตามที่ต้องการ ด้วยเสียงออร์สติโนโตของเชลโล เสียงดรอน เนื้อเสียงคล้ายแก้ว จุดสูงสุดที่ควบคุมได้ และตอนจบที่ยังไม่คลี่คลาย T04-R2 ใช้คำสั่งเดียวกัน แต่มีแนวโน้มไปทางเสียงเครื่องสายห้องดนตรีคลาสสิก โดยขาดจังหวะการตีเปียโนแบบปิดเสียง เสียงดรอนแบบอนาล็อก และเสียงฮาร์โมนิกส์ของแก้ว.

คู่ตัวอย่างนี้มีประโยชน์มากกว่าตัวอย่างเดโมที่สมบูรณ์เพียงตัวอย่างเดียว เพราะมันแสดงให้เห็นถึงความเสี่ยงในการผลิตจริง การใช้คำสั่งที่ละเอียดจะเพิ่มโอกาสในการได้ผลลัพธ์ที่ดีขึ้น แต่ไม่ได้จำกัดรูปแบบการจัดเรียง ให้สร้างตัวอย่างอย่างน้อยสองเวอร์ชันเมื่อการระบุชนิดของเครื่องดนตรีเป็นสิ่งสำคัญ.

ความสอดคล้องของข้อความยาว

ทั้งสองเพลงโพสต์ร็อกที่มีความยาว 3 นาทีนี้ยังคงรักษาความต่อเนื่องตลอดทั้งเพลง T05-R1 มีความยาว 176.170 วินาที และ T05-R2 มีความยาว 177.006 วินาที ก่อนจะกลับสู่ธีมกีตาร์ตอนต้น ทั้งสองรายงานการฟังไม่ได้ระบุถึงการเปลี่ยนแนวเพลงอย่างกะทันหันหรือการจบเพลงที่ตัดขาด.

นี่คือจุดที่ Pro สมกับชื่อของมัน Lyria 3 Clip เหมาะสำหรับการสร้างลูปหรือตัวอย่างสั้น ๆ ส่วน Lyria 3 Pro สามารถสร้างการเรียบเรียงที่ยาวนานพอสำหรับการร่างเพลงจริง เพลงประกอบตัวอย่างหนัง หรือเพลงประกอบวิดีโอ.

เสียงร้องหลายภาษา

ตัวอย่างภาษาสเปนและภาษาญี่ปุ่นถูกอธิบายว่าฟังเข้าใจได้และใกล้เคียงกับเนื้อเพลงที่ให้มา การถอดความอย่างละเอียดที่สุดชี้ให้เห็นว่าในแต่ละการแสดง ได้เปลี่ยนวลีสุดท้ายของส่วนคอรัสให้กลายเป็นจุดดึงดูดทางดนตรีเพิ่มเติม นี่เป็นความอิสระทางสร้างสรรค์เล็กน้อย แต่ก็ยังถือเป็นการเปลี่ยนแปลงเนื้อเพลงอยู่ดี.

Google Cloud ระบุว่ามีภาษาอังกฤษ เยอรมัน สเปน ฝรั่งเศส ฮินดี ญี่ปุ่น เกาหลี และโปรตุเกส เป็นภาษาที่ได้รับการสนับสนุน ตัวอย่างภาษาสเปนและภาษาญี่ปุ่นอย่างละหนึ่งตัวอย่างไม่สามารถพิสูจน์ได้ว่าคุณภาพเท่ากันในทั้งแปดภาษา ดังนั้น การตรวจสอบโดยผู้พูดภาษาแม่จึงยังคงเป็นขั้นตอนการตรวจสอบก่อนปล่อยเวอร์ชันที่เหมาะสมที่สุด.

ข้อจำกัดเชิงลบอาจไม่ทำงาน

T08 ได้ขอให้ไม่ใส่เสียงร้อง, เสียงพูด, เสียงร้องประสาน, เสียงริเซอร์ หรือเอฟเฟกต์แบบภาพยนตร์ แต่ในผลการประเมินการฟัง ผลลัพธ์ยังคงมีชิ้นส่วนเสียงร้องสั้นๆ และเสียงริเซอร์อยู่ แม้ว่าจะรักษาทิศทางหลักของมินิมัลเทคโน 124 BPM และการหยุดที่ชัดเจนไว้แล้วก็ตาม.

หน้าโมเดลของ Google Cloud ระบุอย่างชัดเจนว่าการใช้คำสั่งเชิงลบไม่ได้รับการสนับสนุน คุณยังสามารถเขียนการยกเว้นเชิงบวกด้วยภาษาธรรมชาติได้ แต่ผลลัพธ์ควรถูกพิจารณาเป็นคำแนะนำมากกว่าตัวกรองที่เคร่งครัด.

คำแนะนำสำหรับ Lyria 3 Pro: สูตรที่ได้ผลดีที่สุด

คู่มือการเขียนคำสั่งของ Google แนะนำให้รวมองค์ประกอบต่าง ๆ เช่น ประเภทเพลง อารมณ์ เครื่องดนตรี จังหวะ เสียงร้อง และเนื้อเพลง ส่วนคำสั่งที่มีประสิทธิภาพที่สุดของเราได้เพิ่มอีกสองชั้น ได้แก่ ลำดับส่วนที่ชัดเจน และพฤติกรรมตอนจบที่ระบุไว้อย่างชัดเจน.

สูตรคำสั่งที่ใช้งานได้จริงสำหรับ Lyria 3 Pro คือ:

1. ความยาวและรูปแบบ: “สร้างเพลงบรรเลงความยาว 90 วินาที”
2. ประเภทและบรรยากาศ: ระบุสไตล์หลักหนึ่งแบบและทิศทางทางอารมณ์หนึ่งแบบ.
3. จังหวะ, คีย์ และจังหวะเพลง: ใช้ค่าที่แม่นยำเมื่อจำเป็น.
4. เครื่องดนตรี: ระบุเสียงต่างๆ ที่กำหนดลักษณะการจัดเรียง.
5. ร้องและเขียนคำร้อง: ระบุประเภทเสียง ภาษา วิธีออกเสียง และข้อความที่แม่นยำ.
6. โครงสร้าง: กำหนดส่วน intro, verses, choruses, bridge, solo และ outro.
7. ส่วนท้าย: ขอให้หยุดอย่างชัดเจน, ใช้คอร์ดที่ปิดแล้ว, คอร์ดที่ยังไม่ปิด, หรือค่อยๆ จางลง.

ข้อผิดพลาดที่พบบ่อยที่สุดคือการกำหนดข้อจำกัดมากเกินไปและสมมติว่าข้อจำกัดเหล่านั้นเป็นข้อรับประกัน ความล้มเหลวของ T04 และ T08 แสดงให้เห็นว่าทำไมหลังจากให้คำสั่งแล้วจึงควรมีขั้นตอนการคัดเลือกตามมา ไม่ใช่ขั้นตอนการเผยแพร่แบบไม่ตรวจสอบ.

คำสั่งที่ใช้ในการทดสอบอย่างแม่นยำ

ข้อความด้านล่างนี้คือข้อความที่ส่งไปอย่างแม่นยำสำหรับการทดสอบที่กล่าวถึงในบทวิจารณ์นี้.

T01 — ความสามารถในการทำซ้ำของเพลงซินธ์-ป็อปด้วยคำร้องเดียวกัน

สร้างเพลงซินธ์-ป็อปภาษาอังกฤษที่มีความยาว 90 วินาที และมีความละเอียดสูง ที่ความเร็ว 112 BPM ในจังหวะ 4/4 บรรยากาศ: ความหวังหลังผ่านคืนที่ยากลำบาก เครื่องดนตรี: เบสซินธ์แบบอนาล็อกที่อบอุ่น, ซินธ์อาร์เพจจิโอที่สดใส, กลองอิเล็กทรอนิกส์ที่แน่น, เสียงกีตาร์ไฟฟ้าที่ชัดเจนเป็นจุดเน้น, และโซโล่ซินธ์เมโลดิกสั้นๆ ใช้เสียงร้องนำหญิงธรรมชาติหนึ่งเสียงที่มีคำพูดชัดเจน เขียนเนื้อเพลงต้นฉบับที่มีส่วนอินโทร 10 วินาที, ท่อนแรก (Verse 1), ท่อนก่อนคอรัส (pre-chorus), คอรัสที่จดจำได้, ท่อนที่สอง (Verse 2), คอรัสที่ซ้ำ, โซโล่ซินธ์สั้นๆ และส่วนออกทโรที่ชัดเจนและลงตัว รักษาการมิกซ์ให้มีพื้นที่กว้างและพร้อมออกอากาศทางวิทยุ; หลีกเลี่ยงการบรรยายด้วยเสียงพูดและเสียงฝูงชน.

T02 — คำร้องที่ปรับแต่งให้ตรงตามความต้องการ

สร้างเพลงป็อปแบบอัลเทอร์เนทีฟความยาว 100 วินาที ที่ 96 BPM ด้วยเสียงเปียโนที่อบอุ่น กีตาร์ไฟฟ้าที่ลดเสียง เบสที่นุ่มนวล กลองที่ควบคุมจังหวะ และเสียงร้องนำชายที่แสดงอารมณ์ได้อย่างชัดเจน ร้องตามเนื้อเพลงต้นฉบับต่อไปนี้อย่างแม่นยำ โดยรักษาชื่อส่วนต่าง ๆ ไว้เป็นโครงสร้าง แต่ไม่ต้องพูดชื่อส่วนเหล่านั้นออกมา ห้ามเพิ่ม ลบ เปลี่ยนลำดับ หรือซ้ำบรรทัดเนื้อเพลงนอกเหนือจากส่วนคอรัสที่เขียนไว้ว่า "repeated chorus"

[Verse 1]
นาฬิกาในทางเดินช้าไป 5 นาที
เช้าสีฟ้ากำลังรออยู่ใต้ประตู
ฉันเก็บแผนที่ที่เราไม่เคยใช้
และทิ้งไฟไว้หนึ่งดวงที่ชั้นสอง

[Chorus]
หากถนนลืมชื่อเราคืนนี้
ตามแม่น้ำไป ตามแสงไป
ฉันจะรออยู่ที่จุดที่สะพานโค้ง
ถือโน้ตเพลงที่เราไม่อาจจบลง

[Verse 2]
ดวงจันทร์กระดาษเคลื่อนผ่านกระจกแดชบอร์ด
เมืองละลายในสายฝนสีเงิน
ฉันได้ยินเสียงคุณในเสียงซ่าของวิทยุ
แล้วปรับคลื่นผ่านความเงียบอีกครั้ง

[ท่อนร้องซ้ำ]
หากถนนลืมชื่อเราคืนนี้
ตามแม่น้ำไป ตามแสงไป
ฉันจะรออยู่ที่จุดที่สะพานโค้ง
ถือโน้ตเพลงที่เราไม่อาจจบลง

[ท่อนเชื่อม]
ไม่มีคำสุดท้าย ไม่มีสัญญาณปิด
มีเพียงเข็มทิศเล็ก ๆ ของเธออยู่ข้างเข็มทิศของฉัน

จบด้วยท่อนดนตรีสั้น ๆ หลังท่อนเชื่อม.

T03 — การควบคุมโครงสร้างตามเวลา

สร้างเพลงอิเล็กทรอนิกส์สไตล์ภาพยนตร์ความยาว 120 วินาที ในคีย์ E minor ที่ 100 BPM และปฏิบัติตามไทม์ไลน์นี้ให้ใกล้เคียงที่สุดเท่าที่จะทำได้: 0:00-0:10 ส่วนเปิดด้วยเสียงซินธ์ที่ผ่านฟิลเตอร์และจังหวะพัลส์ที่ฟังดูห่างไกล; 0:10-0:35 ท่อนร้องหญิงเสียงต่ำพร้อมเสียงคิกที่เบาบาง; 0:35-0:55 ท่อนคอรัสที่กว้างขวางพร้อมกลองเต็มรูปแบบและเสียงฮาร์โมนีที่ซ้อนทับกัน; 0:55-1:15 ช่วงพักดนตรีที่นำโดยเชลโลและซินธ์แบบเกรนูลาร์; 1:15-1:38 ท่อนร้องที่สองพร้อมเสียงเบสที่หนักแน่นขึ้น; 1:38-1:55 โครัสสุดท้าย; 1:55-2:00 ส่วนจบที่ชัดเจนด้วยสองคอร์ด โดยไม่มีการเฟดออก เนื้อเพลงต้นฉบับภาษาอังกฤษควรบรรยายถึงการเดินผ่านเมืองก่อนรุ่งสาง อย่าใส่คำพูดหรือเสียงใดๆ ที่อยู่นอกเหนือจากดนตรี.

T04 — ความแม่นยำของเครื่องดนตรี

สร้างเพลงบรรเลงแบบภาพยนตร์ความยาว 90 วินาที โดยไม่มีเสียงร้อง เสียงกระซิบ เสียงสวด เสียงพูด หรือเสียงร้องประสานใดๆ ทั้งสิ้น สไตล์: ความตึงเครียดแบบนิยายวิทยาศาสตร์ที่ควบคุมได้ ที่ 72 BPM เครื่องดนตรี: ออสตินาโตของเชลโลเสียงต่ำ, จังหวะเปียโนที่ปิดเสียง, ดรอนอนาล็อกที่นุ่มนวล, กลองกรอบที่ตีด้วยแปรง, และเสียงฮาร์โมนิกจากแก้วเป็นครั้งคราว สร้างขึ้นจากส่วนเปิดที่เรียบง่ายไปสู่จุดสูงสุดที่ควบคุมได้ ณ 1:05 แล้วจบด้วยคอร์ดที่ชัดเจนและไม่คลี่คลาย โดยไม่ลดระดับเสียง คอยรักษาความลึกของเสียงอะคูสติกให้สอดคล้องกัน และส่วนเสียงต่ำให้สะอาด.

T05 — ความสอดคล้องในข้อความยาว

สร้างเพลงโพสต์ร็อกแบบไม่มีเนื้อร้องความยาว 180 วินาที ในคีย์ D minor, จังหวะ 6/8, ความเร็วประมาณ 84 BPM เริ่มด้วยเสียงกีตาร์ไฟฟ้าแบบ fingerpicked และเสียงบรรยากาศห้อง, นำเบสและทอมเข้ามาหลังจาก 30 วินาที, เพิ่มควอเตตเครื่องสายแบบควบคุมหลังจาก 70 วินาที, ถึงจุดคrescendoหลักระหว่าง 2:05 และ 2:35, แล้วกลับสู่โมทีฟกีตาร์ตอนต้นและจบลงอย่างสะอาดภายใน 3:00 ไม่มีเสียงร้อง, วงประสานเสียง, เสียงพูด หรือเอฟเฟกต์เสียงใดๆ รักษาโมทีฟสี่โน้ตที่จดจำได้ไว้ตลอดทั้งเพลง และหลีกเลี่ยงการเปลี่ยนแปลงแนวเพลงอย่างกะทันหัน, เสียงลูปที่ผิดปกติ หรือการจบเพลงแบบตัดขาด.

T06 — BPM, คีย์, จังหวะ และจังหวะโซโล

สร้างเพลงเนโอ-โซลแบบไม่มีเสียงร้อง ความยาว 100 วินาที ในคีย์ F-sharp minor ด้วยจังหวะ 92 BPM ในจังหวะ 4/4 ใช้เปียโนไฟฟ้า Rhodes, เบสไฟฟ้าแบบ fingerstyle, กลองแบบ dry rim-click, กีตาร์ริทึมแบบ muted และโซโล่แซกโซโฟนเทเนอร์หนึ่งช่วง ตั้งแต่ประมาณ 0:55 ถึง 1:15 รักษาความกลมกลืนให้อยู่ในคีย์ F-sharp minor เป็นหลัก ใช้การซินโคเปชันอย่างมีรสนิยม ไม่ใช้เสียงร้องและเสียงคอรัส และจบด้วยเสียงหยุดของวงดนตรีอย่างตั้งใจ แทนที่จะค่อยๆ จางหายไป.

T07A — เสียงร้องภาษาสเปน

สร้างเพลงป็อปแบบอะคูสติกภาษาสเปนความยาว 90 วินาที ที่ 104 BPM ด้วยกีตาร์สายไนลอน เบสตั้งตรง เครื่องตีมือ เปียโนเสียงนุ่ม และเสียงร้องนำหญิงธรรมชาติหนึ่งเสียง ร้องเนื้อเพลงต้นฉบับนี้ให้ชัดเจนและอย่าแปลมัน: [Verse] Entre luces de la ciudad, guardo un mapa de papel. ทุกถนนเริ่มพูดอีกครั้ง ทุกเงารู้ว่าใคร [Chorus] ตามแม่น้ำไปจนถึงทะเล ทิ้งความกลัวไว้ที่สถานี หากคืนกลับมาอีกครั้ง ฉันจะจุดเพลงอีกเพลงหนึ่ง ซ้ำท่อนคอรัสหนึ่งครั้ง เพิ่มส่วนแทรกกีตาร์สั้นๆ และจบเพลงอย่างเรียบร้อยโดยไม่มีการบรรยายด้วยเสียง.

T07B — เสียงร้องภาษาญี่ปุ่น

สร้างเพลงดรีมป็อปภาษาญี่ปุ่นความยาว 90 วินาที ที่ความเร็ว 108 BPM ด้วยเสียงกีตาร์ไฟฟ้าที่ใสสะอาด ซินธ์แพดที่อบอุ่น เบสที่มีทำนองไพเราะ กลองอิเล็กทรอนิกส์ที่เบาสบาย และเสียงร้องนำหญิงธรรมชาติหนึ่งเสียง ร้องเนื้อเพลงต้นฉบับนี้ให้ชัดเจน และอย่าแปลเนื้อเพลง: [Verse] ที่สถานีรถไฟก่อนรุ่งสาง รอสายลมที่เงียบสงบ บนแผนที่ที่ลืมเลือน แสงสีฟ้าสั่นไหว [Chorus] ข้ามแม่น้ำไปกันเถอะ สู่พรุ่งนี้ที่ไม่มีชื่อ กอดเพลงเล็กๆ ไว้ แล้วเริ่มเดินอีกครั้ง ซ้ำท่อนคอรัสหนึ่งครั้ง รวมบริดจ์ดนตรีสั้นๆ และจบอย่างสะอาดโดยไม่มีการบรรยายด้วยเสียงพูด.

T08 — องค์ประกอบ API และการทดสอบข้อจำกัดเชิงลบ

สร้างเพลงเทคโนแบบมินิมัลแบบไม่มีเสียงร้อง ความยาว 60 วินาที ที่ 124 BPM ในคีย์ A minor ด้วยเสียงคิกแบบแห้ง (dry kick), ไฮแฮตแบบปิดที่แน่น (tight closed hi-hat), เบสโมโนที่กลมกล่อม (rounded mono bass), มอทิฟเพอร์คัสชันแบบโลหะหนึ่งแบบ และซินธ์ที่กรองเสียงและเปิดขึ้นอย่างช้าๆ ไม่ใช้เสียงร้อง, เสียงพูด, เสียงคอรัส, เสียงริเซอร์ หรือเอฟเฟกต์เสียงแบบภาพยนตร์ จัดเรียงเพลงให้เรียบง่ายอย่างตั้งใจ และจบด้วยเสียงหยุดหนึ่งบีตที่ชัดเจน เพื่อให้สามารถตรวจสอบระยะเวลาที่ส่งคืน รูปแบบ อัตราตัวอย่าง อัตราบิต จำนวนช่องสัญญาณ บล็อกข้อมูลเมตาดาต้า และพฤติกรรมตอนจบได้.

ราคาของ Lyria 3 Pro

ของกูเกิล หน้ากำหนดราคา API สำหรับผู้พัฒนา Gemini แสดง Lyria 3 Pro Preview ที่ $0.08 ต่อการขอเพลงเต็มเพลง และคลิปตัวอย่าง Lyria 3 ที่ $0.04 ต่อเพลง 30 วินาที. ไม่มีรุ่น Lyria ใดที่มีระดับบริการฟรีสำหรับ API Gemini ราคาคิดตามจำนวนคำขอ ไม่ใช่ตามจำนวนโทเคน.

สำหรับบริบทของการสมัครสมาชิก ให้เริ่มจาก รีวิว Google AI Plus และข้อจำกัดที่ซ่อนอยู่.

The การเปรียบเทียบแผน Google AI Plus กับ Pro แยกข้อจำกัดของแผนที่มักถูกเข้าใจผิดว่าเป็นการเข้าถึง API.

หากต้องการตรวจสอบราคาเท่านั้น โปรดดูราคาปัจจุบัน ราคาสมัครสมาชิก Google AI Plus.

การเข้าถึงในระดับภูมิภาคอาจเปลี่ยนแปลงได้; Google AI Plus: การวางจำหน่ายในสหรัฐอเมริกาและบทวิเคราะห์ราคา อธิบายว่าทำไมการสมัครสมาชิกของผู้บริโภคจึงไม่ควรถูกพิจารณาว่าเป็นการเข้าถึง API แบบทั่วไป.

หากราคาเป็นปัจจัย 결정สำคัญ การคำนวณแบบง่ายๆ ก็น่าสนใจ: 10 Pro generations มีราคา $0.80 ก่อนภาษีหรือการปรับแพลตฟอร์ม ส่วนค่าใช้จ่ายที่ซ่อนอยู่คือเวลาในการคัดกรอง เนื้อเพลงหรือการจัดเรียงเครื่องดนตรีที่แม่นยำอาจต้องใช้ผลลัพธ์หลายครั้ง แม้ API เองจะมีราคาถูกก็ตาม.

Lyria 3 Pro API: รหัสโมเดล, คำขอ และผลลัพธ์

สำหรับเส้นทาง Gemini อย่างเป็นทางการ ให้ใช้ Gemini Interactions API กระบวนการทำงานด้านดนตรี พร้อมรหัสแบบ lyria-3-pro-preview. ผลลัพธ์นี้ให้คุณสมบัติที่สะดวกใช้สำหรับเสียงและข้อความที่สร้างขึ้น เสียงถูกเข้ารหัสด้วย base64 ส่วนข้อความอาจประกอบด้วยเนื้อเพลงหรือข้อมูลโครงสร้าง.

import base64
from google import genai

client = genai.Client()

interaction = client.interactions.create(
    model="lyria-3-pro-preview",
    input=(
 "เพลงอิเล็กทรอนิกส์แบบภาพยนตร์ความยาว 90 วินาที ในคีย์ E minor. "
 "เริ่มด้วยจังหวะที่ผ่านการกรอง แล้วพัฒนาเป็นคอรัสที่กว้างขวาง, "
 "เพิ่มช่วงพักดนตรีที่นำโดยเชลโล และจบลงโดยไม่ค่อยค่อยๆ จางลง."
    ),
)

generated_audio = interaction.output_audio
if generated_audio:
    with open("lyria-song.mp3", "wb") as file:
    file.write(base64.b64decode(generated_audio.data))

lyrics_or_structure = interaction.output_text
if lyrics_or_structure:
    print(lyrics_or_structure)

คู่มือของ Google ระบุว่า MP3 เป็นรูปแบบไฟล์ที่ตั้งไว้เป็นค่าเริ่มต้น นอกจากนี้ยังระบุไว้ว่า response_format={"type": "audio"} เพื่อขอออกเสียงระดับมืออาชีพ (Pro audio) ในรูปแบบที่รองรับโดยกระบวนการ Interactions API ดังกล่าว รวมถึงตัวเลือก WAV ที่ระบุไว้ในเอกสารด้วย หน้าโมเดลปัจจุบันของ Google Cloud มีขอบเขตที่แคบกว่า: ระบุไว้เพียง MP3, 44.1 kHz และ 192 kbps เมื่ออธิบายรูปแบบ ควรระบุชื่อรูปแบบแต่ละประเภท แทนที่จะนำเสนอสเปกแบบสากลเพียงอย่างเดียว.

เส้นทาง Anywhere ที่ได้รับการทดสอบนั้นก็เป็นแบบอะซิงโครนัสเช่นกัน แต่สคีมาของงานนั้นขึ้นอยู่กับสถานที่เฉพาะ มันส่งคืนข้อมูลในฟิลด์ต่าง ๆ ได้แก่ ID ของงาน สถานะ ความคืบหน้า URL ของเสียง เวลาที่บันทึก ผู้ให้บริการ และค่าใช้จ่าย อย่าคัดลอกรูปแบบการตอบกลับนั้นไปใส่ในโค้ด Gemini และสมมติว่าเป็นสคีมาอย่างเป็นทางการของ Google.

Lyria 3 Pro vs Lyria 3 Clip vs Lyria 3.5

เลือก Clip เมื่อความเร็วและผลลัพธ์แบบสั้นเป็นสิ่งสำคัญ เลือก Pro เมื่อคุณต้องการเพลงครบถ้วนผ่าน API ที่ได้รับการบันทึกไว้ เลือก Lyria 3.5 เมื่อประสบการณ์ Flow Music ที่ใหม่ที่สุดสำคัญกว่าการใช้ ID แบบโมเดลของ Pro API.

Lyria ยังมีความแคบกว่ารุ่นเสียงอเนกประสงค์อีกด้วย หากงานนั้นต้องผสมผสานบทสนทนา เสียงเอฟเฟกต์ เสียงบรรยากาศ และดนตรีในฉากเดียวที่สร้างขึ้น ระบบ รีวิว Seed Audio 1.0: เสียงพูด, เสียงเอฟเฟกต์ และเพลง ครอบคลุมกระบวนการทำงานที่แตกต่างกันนั้น.

สำหรับการผลิตวิดีโอ อ่านวิธีทำที่นี่ Veo 3.1 จัดการเสียงและเสียงพื้นหลัง.

เมื่อการแสดงด้วยเสียงและการซิงโครไนซ์เป็นปัญหาที่ยากกว่า ให้ใช้วิธีที่ปฏิบัติได้จริง Veo 3.1 กระบวนการทำงานด้านบทสนทนา เสียง และการซิงค์ริมฝีปาก.

ความปลอดภัย, SynthID, การใช้ในเชิงพาณิชย์ และข้อจำกัด

Google ระบุว่า ผลลัพธ์ของ Lyria 3 รวมถึงการใส่ลายน้ำ SynthID. The ข้อมูลจำเพาะปัจจุบันของ Google Cloud นอกจากนี้ยังรวมถึง Content Credentials (C2PA), การกรองข้อมูลเข้า, การกรองการอ่านออกเสียงของผลลัพธ์ และการกรองความคล้ายคลึงของเสียง การควบคุมเหล่านี้ช่วยสนับสนุนการตรวจสอบที่มาและความปลอดภัย แต่ไม่ได้ยกเลิกความจำเป็นในการขออนุญาตใช้เนื้อเพลง ภาพอ้างอิง ตัวอย่าง ความคล้ายคลึง และสิทธิ์ในการเผยแพร่สำหรับโครงการของคุณเอง.

Google Cloud กำหนดให้ Lyria 3 Pro เป็นบริการ Generative AI Preview ตามที่ระบุในหน้าเว็บไซต์ว่า ลูกค้าสามารถเลือกใช้เวอร์ชันทดลองนี้เพื่อวัตถุประสงค์ในการผลิตหรือเชิงพาณิชย์ และเปิดเผยผลลัพธ์ที่สร้างขึ้นให้กับฝ่ายที่สามได้ โดยต้องปฏิบัติตามเงื่อนไข Pre-GA และข้อตกลงที่ควบคุมการเข้าถึง ซึ่งสิ่งนี้ไม่เท่ากับการรับประกันโดยไม่มีเงื่อนไขว่าทุกเพลงที่สร้างขึ้นจะปราศจากความเสี่ยงหรือเป็นสิทธิ์เฉพาะ.

ข้อจำกัดในทางปฏิบัตินั้นชัดเจน:

• รุ่นตัวอย่างอาจมีการเปลี่ยนแปลงก่อนการปล่อยเวอร์ชันที่เสถียร.
• แผนราคา API ของ Gemini ไม่มีระดับบริการฟรีสำหรับ Lyria 3.
• คำสั่งหนึ่งจะคืนคลิปเสียงหนึ่งคลิปบนหน้าโมเดล Google Cloud ที่กำลังเปิดอยู่.
• การให้คำชี้แนะแบบเชิงลบไม่ได้รับการสนับสนุนในฐานะคุณสมบัติอย่างเป็นทางการ.
• ระบบสร้างเพลง Gemini ในปัจจุบันเป็นระบบแบบรอบเดียว (single-turn) ไม่ใช่ระบบแก้ไขแบบหลายรอบในที่เดียวกัน (in-place multi-turn).
• ระยะเวลาและการปฏิบัติตามคำแนะนำอย่างเคร่งครัดอาจแตกต่างกันไป.
• เนื้อเพลงที่ถูกต้อง BPM คีย์ และเวลาที่ระบุ ยังต้องผ่านกระบวนการตรวจสอบคุณภาพระดับผลลัพธ์.

ใครควรใช้ Lyria 3 Pro?

ใช้ Lyria 3 Pro หากคุณเป็นนักพัฒนา ผู้สร้างภาพยนตร์ ผู้สร้างเกม ผู้แต่งเพลง หรือทีมผลิตเนื้อหา ที่ต้องการแนวคิดทางดนตรีอย่างครบถ้วนผ่าน API และสามารถประเมินตัวเลือกต่าง ๆ ได้หลายแบบ โดยเฉพาะอย่างยิ่งสำหรับเพลงแนวภาพยนตร์ โครงสร้างเพลงป๊อป ส่วนดนตรีที่ต่อเนื่องยาวนาน และเดโมเสียงร้องหลายภาษา.

ข้ามไปเลย — หรือเตรียมเครื่องมืออื่นไว้ใกล้ ๆ — หากคุณต้องการสเต็มแบบกำหนดค่าได้แน่ชัด การแก้ไขหลังการสร้างที่แม่นยำ ข้อจำกัดเชิงลบที่รับประกันได้ หรือเวอร์ชันสุดท้ายที่ผ่านการมาสเตอร์แล้วจากคำขอเพียงครั้งเดียว Lyria 3 Pro มีความสามารถในการสร้างผลลัพธ์ที่แข็งแกร่งได้ดีกว่าการปฏิบัติตามคำสั่งทุกข้ออย่างเคร่งครัด เหมือนกับเลนอัตโนมัติใน DAW.

GlobalGPT's เครื่องมือเสียงที่ใช้ผ่านเบราว์เซอร์ สามารถสนับสนุนงานวิเคราะห์เสียงและแปลงเป็นข้อความในที่เดียวได้ แต่หน้านั้นเป็นผลิตภัณฑ์ที่แยกต่างหากจาก Lyria API ที่ได้รับการทดสอบในบทความนี้ การรีวิวนี้ไม่ได้ระบุว่าหน้านั้นเป็นช่องทางที่ได้รับการยืนยันสำหรับ Lyria 3 Pro.

คำถามที่พบบ่อยเกี่ยวกับ Google Lyria 3 Pro

Lyria 3 Pro เป็นรุ่นเครื่องเล่นเพลงใหม่ล่าสุดของ Google หรือไม่?

ไม่ครับ ตั้งแต่วันที่ 10 สิงหาคม 2569 Google DeepMind ได้ประกาศว่า Lyria 3.5 เป็นโมเดลสร้างเพลงรุ่นใหม่ล่าสุดของบริษัท และกำลังโปรโมทโมเดลนี้ผ่าน Flow Music ส่วน Lyria 3 Pro ยังคงเป็นโมเดลที่ได้รับการบันทึกไว้สำหรับการฟังตัวอย่างเพลงเต็มสำหรับเส้นทาง Gemini และ Google Cloud Developer ภายใต้ lyria-3-pro-preview.

Lyria 3 Pro ราคาเท่าไร?

API สำหรับผู้พัฒนา Gemini ระบุว่าราคาของ Lyria 3 Pro Preview คือ $0.08 ต่อคำขอเพลงเต็มเพลง ส่วน Lyria 3 Clip Preview มีราคา $0.04 ต่อเพลง 30 วินาที ทั้งสองรุ่นนี้ไม่มีระดับบริการฟรีใน API Gemini และการสมัครสมาชิกของผู้บริโภคใช้แผนบริการและกฎระเบียบตามภูมิภาคที่แตกต่างกัน.

เพลงใน Lyria 3 Pro สามารถยาวได้เท่าไร?

ตามข้อมูลที่ Google ประกาศอย่างเป็นทางการ ระบุว่าสามารถบันทึกได้สูงสุด 3 นาที ส่วนหน้าข้อมูลทางเทคนิคของ Google Cloud ในปัจจุบันระบุว่าความยาวสูงสุดของคลิปเสียงคือ 184 วินาที ในการทดสอบสองครั้งของเรา ซึ่งแต่ละครั้งมีความยาว 180 วินาที ไฟล์ MP3 ที่ได้รับกลับมามีความยาว 176.170 และ 177.006 วินาที.

Lyria 3 Pro สามารถร้องคำร้องที่ปรับแต่งตามความต้องการได้อย่างแม่นยำหรือไม่?

ใช่ แต่ไม่ใช่แบบกำหนดแน่นอน หนึ่งในสามรอบการร้องคำร้องที่ปรับแต่งและทำซ้ำนั้นตรงกับข้อความที่ให้มาอย่างสมบูรณ์ในบันทึกการฟัง ส่วนอีกรอบหนึ่งได้ละเว้นส่วนใหญ่ของบรรทัดสุดท้ายในส่วนบริดจ์ และรอบที่สามได้เพิ่มการซ้ำด้วยเสียงเอคโค่ ให้เปรียบเทียบเสียงร้องฉบับเต็มกับคำร้องต้นฉบับเสมอ.

Lyria 3 Pro สามารถสร้างเพลงบรรเลงที่ไม่มีเสียงร้องได้หรือไม่?

ใช่ แต่การยกเว้นที่ระบุไว้เป็นลายลักษณ์อักษรไม่ใช่การรับประกันที่แน่นอน การทดสอบด้วยเครื่องดนตรีหนึ่งครั้งยังคงไม่มีเสียงร้อง ในขณะที่การทดสอบภายใต้ข้อจำกัดของมินิมัลเทคโนกลับเพิ่มเสียงร้องที่ถูกตัดต่อ แม้จะระบุว่า “ไม่มีเสียงร้อง” Google Cloud ยังระบุด้วยว่า การให้คำสั่งเชิงลบ (negative prompting) ไม่ได้รับการสนับสนุนบนหน้าข้อมูลของโมเดลปัจจุบัน.

ID ของโมเดล API Lyria 3 Pro คืออะไร?

รหัสแบบอย่างอย่างเป็นทางการของ Gemini และ Google Cloud คือ lyria-3-pro-preview. สถานที่ทดลองใช้งานในบทความนี้ใช้รหัสเส้นทางจากผู้ให้บริการภายนอก lyria-3-pro; โครงสร้างงานและระบบการตั้งชื่อของมันไม่ควรถูกใช้แทน API Interactions อย่างเป็นทางการของ Google.

Lyria 3 Pro ส่งคืนไฟล์ในรูปแบบใด?

คู่มือ Gemini ของ Google ระบุว่า MP3 เป็นค่าเริ่มต้น และระบุถึงตัวเลือกรูปแบบการส่งออก Pro ใน Interactions API. Google Cloud ระบุถึง MP3 ที่ 44.1 kHz, 192 kbps ไฟล์ทั้ง 18 ไฟล์จากเส้นทางที่เรารับการทดสอบทั้งหมดตรงกับข้อกำหนด MP3 สเตอริโอที่ 44.1 kHz, 192 kbps ดังกล่าว.

Lyria 3 Pro สามารถใช้ในเชิงพาณิชย์ได้หรือไม่?

Google Cloud ระบุว่า ลูกค้าสามารถเลือกใช้บริการเวอร์ชัน Preview นี้เพื่อวัตถุประสงค์ในการผลิตหรือเชิงพาณิชย์ และเปิดเผยผลลัพธ์ที่สร้างขึ้นได้ โดยต้องปฏิบัติตามเงื่อนไขก่อนการเปิดตัวทั่วไป (Pre-GA) และข้อตกลงการเข้าถึงของบริษัท โปรดตรวจสอบเงื่อนไขดังกล่าวและลบเนื้อเพลง ภาพลักษณ์ ตัวอย่าง หรือสื่ออ้างอิงออกทั้งหมดก่อนการเผยแพร่.

ผมสามารถใช้ Lyria 3 Pro บน GlobalGPT ได้ไหม?

บทวิจารณ์นี้ไม่ได้อ้างว่ามีเส้นทาง Lyria GlobalGPT ที่ได้รับการยืนยันและเปิดให้สาธารณะใช้ 18 รุ่นที่ทดสอบได้ผ่าน API Broly Anywhere Tasks ส่วนหน้าเสียงสาธารณะของ GlobalGPT ในปัจจุบันแสดงพื้นที่ทำงานแยกกันสำหรับเสียงและการถอดความ ใช้ Gemini หรือ Google Cloud สำหรับเส้นทาง API อย่างเป็นทางการที่ได้รับการบันทึกไว้.

คำตัดสินสุดท้าย

Google Lyria 3 Pro เป็นโมเดล API สำหรับเพลงเต็มที่น่าเชื่อถือ ด้วยราคาต่อคำขอที่ต่ำ ผลลัพธ์แบบยาวที่สอดคล้องกัน และตัวเลือกการควบคุมคำสั่งที่ละเอียดเป็นพิเศษ การทดสอบ 18 ครั้งยังเผยให้เห็นส่วนที่เดโมเปิดตัวมักซ่อนไว้ ได้แก่ รายละเอียดโครงสร้าง เนื้อเพลงที่ถูกต้อง เครื่องดนตรีที่ระบุชื่อ และข้อจำกัดเชิงลบ ซึ่งอาจเปลี่ยนแปลงได้แม้ในคำขอที่เหมือนกัน.

การแลกเปลี่ยนนี้สามารถยอมรับได้เมื่อคุณสร้างได้สองหรือสามตัวเลือก เปรียบเทียบเพลงทั้งเพลง และเก็บเวอร์ชันที่ดีที่สุดไว้ สำหรับกระบวนการทำงานแบบนี้ Lyria 3 Pro เป็นตัวเลือกที่แนะนำได้ง่ายๆ แต่หากต้องการการส่งเนื้อเพลงที่แม่นยำแบบกำหนดได้ หรือความแม่นยำที่พร้อมสำหรับการแก้ไขจากคำขอเพียงครั้งเดียว ก็ยังจำเป็นต้องมีการตรวจสอบโดยมนุษย์และใช้ DAW.