Fra musikværksted til chatbot
I Gemini kan brugeren beskrive en genre og vælge mellem vokal og instrumental musik. Google har også lavet skabeloner til blandt andet baggrundsmusik, jingler og personlige numre, og brugeren kan vælge mellem korte og længere resultater. Det sænker tærsklen fra et særskilt produkt for musikskabere til en funktion i den samme tjeneste, som mange allerede bruger til tekst, billeder og spørgsmål. Udrulningen er global, oplyser Google, og omfatter Gemini på både web og mobil. Lyria 3.5 findes desuden i Flow Music og Google Vids. For professionelle og udviklere er den væsentlige ændring, at modellen også kan kaldes direkte fra software gennem Googles nye Interactions API.En sang kan begynde med et billede
API-dokumentationen viser, at Lyria 3.5 ikke kun tager imod tekst. En udvikler kan sende op til ti billeder sammen med en instruktion og få modellen til at komponere musik, der tager udgangspunkt i det visuelle materiale. Resultatet leveres som 44,1 kHz stereolyd, normalt som MP3, mens WAV også kan vælges. Modellen er lavet til sange på et par minutter med genkendelige dele som vers, omkvæd og bro. Varigheden kan påvirkes i instruktionen, og tidsangivelser kan bruges til at beskrive, hvornår forskellige dele skal begynde. Den kan skrive nye sangtekster eller synge en tekst, brugeren selv leverer, og sproget følger som udgangspunkt sproget i instruktionen. Det gør værktøjet relevant til mere end små lydeffekter. En videoskaber kan få baggrundsmusik, en virksomhed kan afprøve en jingle, og en app kan bygge musik direkte ud fra tekst eller billeder. Men resultatet er ikke deterministisk: To identiske instruktioner kan give forskellige sange.API-adgang koster pr. sang
Google tager 0,08 dollar for en fuld sang via Lyria 3.5 i Gemini API. Der er ikke en gratis API-kvote til modellen, selv om den almindelige Gemini-app ifølge lanceringen er åbnet for alle brugere. Det er derfor vigtigt at skelne mellem at prøve funktionen i chatbotten og at bygge den ind i et produkt. Udviklere møder også en praktisk begrænsning: Musikgenereringen er foreløbig en enkeltstående proces. Den samme sang kan ikke finpudses gennem en længere samtale, hvor man trin for trin beder modellen ændre eksempelvis omkvædet eller instrumenteringen. I stedet må brugeren justere instruktionen og generere på ny.Musikken får et skjult AI-mærke
Alle spor fra Lyria forsynes ifølge Google med SynthID, et umærkeligt digitalt vandmærke, som skal gøre det muligt at identificere musik, der er skabt eller redigeret med AI. Google beskriver også filtrering af træningsdata, sikkerhedstest og begrænsninger mod skadeligt indhold som dele af modellen. Modelkortet er til gengæld overordnet om datagrundlaget. Det oplyser, at Lyria 3.5 er trænet på lyddata med tekstbeskrivelser, og at materialet blandt andet er blevet renset for dubletter og sikkerhedsfiltreret. Det specificerer ikke i selve modelkortet, hvilke konkrete kataloger eller lydsamlinger der indgår. For brugere og virksomheder betyder den brede lancering derfor både lettere adgang til avanceret AI-musik og et fortsat behov for at vurdere resultat, rettigheder og egnethed, før en sang offentliggøres eller bruges kommercielt.Der er benyttet AI til at skrive denne artikel.
