5. 制作音乐
Gemini 内置了 AI 音乐生成器 Lyria，输入文字描述就能够生成对应的音乐和歌词。点击「工具」>「制作音乐」即可使用。
目前，Gemini 网页端「制作音乐」使用的是 **Lyria 3 Clip 和 Lyria 3 Pro **模型。
提示：「快速」模型只能创作 30 秒音乐，创作完整成品音乐需切换至「思考」或「Pro」模型。
Lyria 3 模型家族：
Lyria 3 的特点：
- 完整成品输出 —— 一次生成就包含人声、歌词、配器、编曲，无需后期单独制作
- 时间戳级别精度 —— [00:00]、[01:30] 这种标记可以指定每一段的内容（Pro 独有）
- 多语言人声 —— 支持 8 种语言演唱：英语、德语、西班牙语、法语、印地语、日语、韩语、葡萄牙语
- 商用友好 —— 比其他主流 AI 音乐模型有更宽松的商用条款
核心规格：
- Clip：30 秒固定时长
- Pro：最长 3 分钟，可精确指定时长
提示词编写
Google Cloud 官方在《Ultimate Prompting Guide for Lyria 3》中给出的标准框架：
[流派与风格] + [情绪] + [配器] + [节奏与速度] + [人声风格与语言] + [歌词]
流派词典
Lyria 3 训练数据涵盖几乎所有主流音乐流派，下面是高频且效果稳定的几类：
示例一：
经典 Bossa Nova 与现代 R&B 的浪漫融合。情绪亲密、温暖、深情。
配器包含柔和的尼龙弦原声吉他、温暖的电钢琴和声、清脆放松的
现代嘻哈鼓点。慢速摇摆节奏。
人声为男女对唱：一位顺滑男声用英语演唱，一位轻柔气声女声用
法语演唱。歌词是一首关于不可阻挡的跨文化连接的优美情歌。
***此处插入音频：Gemini-260507-106.mp3
示例二：
紧张悬疑的电影管弦乐配合现代 Trap 鼓点。情绪黑暗、压迫、充满
张力。配器包含低音弦乐持续音、不和谐的钢琴单音、808 低音、
急促的踩镲连击，以及偶尔点缀的合成器脉冲。中速 90 BPM，鼓点
密集有力。无人声纯器乐版本。营造一种主角在霓虹城市中被追捕
的视觉画面感。
***此处插入音频：Gemini-260517-155.mp3
示例三：
怀旧的 90 年代 City Pop 与 Lo-fi Hip-hop 融合。情绪温暖、慵懒、
带一丝淡淡忧伤。配器包含 Fender Rhodes 电钢琴、闷音电吉他
分解和弦、柔和的贝斯线、复古鼓机节拍，加入轻微的黑胶噪声
质感。慢速摇摆 75 BPM。人声为轻柔气声女高音，日语演唱。
歌词描写夏日傍晚独自走过东京街头，回忆已逝去的青春恋情。
***此处插入音频：Gemini-260517-154.mp3
节奏与速度词典
除了控制 BPM（每分钟节拍数）外，描述性词汇往往更直观：
时间戳控制
该能力为 Lyria 3 Pro 独有，支持使用 [MM:SS - MM:SS] 时间戳标签为各时间段精确指定生成内容，实现段落级的时序控制。
基础语法
[00:00] 开始内容描述
[00:15] 第二段变化
[00:30] 第三段变化
...
[03:00] 结尾
示例：
[00:00] 立刻以一支大型福音合唱团开场，演唱一段强大、振奋的
关于善待自己的和声。
[00:15] 一组沉重的现代嘻哈鼓点和深沉的 808 贝斯线条加入，
能量与合唱团匹配。
[00:30] 一位男主唱开始 rap 一段关于克服生活挑战的自信主歌，
合唱团在背景中以人声点缀他的歌词。
[01:10] 进入一段巨大、凯旋的副歌，庆祝胜利与成就。福音合唱团
全音量演唱，丰富而灵魂的和声层叠在驱动的嘻哈鼓点和凯旋的铜管
之上。
[01:50] 节拍褪去，仅留温暖的 Hammond B3 风琴。Rapper 演绎
一段安静、情感丰沛的桥段，关于给自己宽容，背景由合唱团柔和
温暖的哼唱支持。
[02:10] 完整嘻哈节拍和大型合唱团以最大能量回归，进入一段
振奋的最终副歌，最后以 [02:50] 处一个共鸣绵长的合唱团和弦
结束。
***此处插入音频：Gemini-260517-156.mp3
三个细节参数
Vertex AI 文档里还提到几个更精细的参数，可以放在时间戳之后：
完整示例：
创建一首 60 秒的器乐曲，80 BPM，G 大调。
[00:00 - 00:12] 前奏：仅 Fender Rhodes 钢琴弹奏柔和的氤氲和弦，
浸入温暖混响。Intensity: 1/10
[00:12 - 00:24] 主歌 1：慵懒鼓点加入，简单的 kick 和 snare，
柔和空灵合成器铺底。Intensity: 3/10
[00:24 - 00:36] 推进段：律动加深，加入切分 hi-hat。
Intensity: 5/10
[00:36 - 01:00] 高潮：完整鼓组、贝斯、Rhodes 主旋律齐奏，
情绪饱满。Intensity: 8/10
***此处插入音频：Gemini-260517-157.mp3
结构标签
结构标签（Section Tags） 是 Lyria 3 Pro 用来识别歌曲段落的标准化标记。
不用结构标签时，模型会按流派惯例自动安排走向，结果往往是"流畅但平淡的循环"。用了结构标签后，歌曲会有明显起承转合：前奏铺垫、主歌叙事、副歌爆发、桥段转折、尾奏收束。模型在每个标签处会主动改变旋律、和声、能量水平。
前置条件：
- 必须使用 Lyria 3 Pro，30 秒的 Clip 版本不支持完整结构展开
- 建议生成时长在 1-3 分钟之间，太短装不下完整结构
Lyria 3 Pro 官方支持的结构标签
根据 Replicate 上 Google 官方 Lyria 3 Pro 模型页、Scenario 帮助文档、Google Cloud 官方提示词指南，Lyria 3 Pro 明确支持以下五个核心标签：
这五个是 Google 文档明确提到的"一线标签"，模型理解最稳定、响应最准确。
标签编号
同一首歌里相同段落多次出现时可以编号区分，便于精确控制：
[Verse 1]
[Verse 2]
[Chorus 1]
[Chorus 2]
[Final Chorus]
编号能告诉模型"这是不同主歌但用同一旋律变体"，对叙事性强的歌曲特别有用。
使用方式
方式一：纯标签序列
只列出标签顺序，让模型自己填充内容。适合快速试错或不需要精确控制的场景。
一首温暖的独立流行情歌，女声演唱，原声吉他主导，
85 BPM。
结构：
[Intro]
[Verse 1]
[Chorus]
[Verse 2]
[Chorus]
[Bridge]
[Final Chorus]
[Outro]
方式二：标签 + 歌词
在每个标签下面写出对应的歌词。这是 Lyria 3 Pro 最标准的用法，模型会按照填写歌词演唱，并在每段切换时主动改变编曲能量。
一首温暖的独立流行情歌，女声演唱，原声吉他 + 副歌处加入弦乐，
85 BPM。
[Intro]
（仅器乐：原声吉他指弹 8 秒）
[Verse 1]
深夜的街灯把影子拉得很长
我数着脚步走过你住过的方向
那扇窗的灯光早已不再为我亮
只剩回忆在风里轻轻晃
[Chorus]
但我还是会记得你笑的模样
像夏天最后一缕阳光
即使时间把一切都偷走
你还在我心底某个角落生长
[Verse 2]
朋友说该学会向前看
新的人会带来新的答案
可有些故事不需要重新翻
只想留在最美的那一段
[Chorus]
但我还是会记得你笑的模样
像夏天最后一缕阳光
即使时间把一切都偷走
你还在我心底某个角落生长
[Bridge]
也许某一天我也能微笑着说
谢谢你曾经路过
[Final Chorus]
（情绪饱满，加入弦乐和和声）
我还是会记得你笑的模样
像夏天最后一缕阳光
即使时间把一切都偷走
你永远在我心底某个角落生长
[Outro]
（吉他指弹收束，逐渐淡出）
***此处插入音频：Gemini-260517-158.mp3
方式三：标签 + 时间戳
用 [0:00 - 0:30] [Section Name] 格式同时指定段落类型和具体时间。这是为视频卡点、广告精确收尾等场景设计的最高精度用法。
创建一首 90 秒的电影感流行曲，120 BPM。
[0:00 - 0:10] [Intro]
钢琴独奏铺底，氛围 pad 缓慢渐入，建立期待感。
[0:10 - 0:30] [Verse 1]
鼓机轻拍加入，男声主唱开始低吟叙事，
配合稀疏的电吉他和弦。
[0:30 - 0:50] [Chorus]
全编制爆发：弦乐组、强劲鼓点、合成器主音齐奏，
男声进入情感高音区。
[0:50 - 1:10] [Verse 2]
能量回落，但比第一段更丰富一层（加入女声和声）。
[1:10 - 1:25] [Final Chorus]
情绪顶点，所有元素齐奏，叠加儿童合唱团和声。
[1:25 - 1:30] [Outro]
干净停止在一个钢琴和弦上，留有余韵。
***此处插入音频：Gemini-260517-159.mp3
专业用法
把段落长度用"小节数"（bar count）而不是秒数表达，模型响应会更加准确。因为音乐本来就是按小节组织的，秒数会被四舍五入到最近的乐句边界。
BPM 120，Lo-fi 嘻哈，C 小调。
结构：
[Intro] 8 bars
[Verse 1] 16 bars
[Chorus] 16 bars
[Verse 2] 16 bars
[Chorus] 16 bars
[Bridge] 8 bars
[Final Chorus] 16 bars
[Outro] 8 bars
小节数换算参考：
公式：小节秒数 = (60 / BPM) × 4（4/4 拍）
评论
0 条