Lyria 3 by Google DeepMind：Google 终于下场做 AI 音乐了，但迟到的巨头还有戏吗？

2026-02-22 | ProductHunt | 官网

打开 Gemini App，点“创建音乐”，输入一句话或一张照片，30 秒后你就有了一首带人声、歌词和封面的原创歌曲。这就是 Lyria 3 做的事。

30 秒快速判断

这 App 干嘛的：Google 把最强音乐生成模型 Lyria 3 塞进了 Gemini App，任何人都能用文字或图片生成 30 秒带人声的歌曲，完全免费。

值不值得关注：值得关注，但先别兴奋过头。如果你只想要一段有趣的短视频配乐或朋友圈玩具，这个已经够用了。但如果你需要完整歌曲，Suno 和 Udio 仍然领先一大截。Google 的入场意味着 AI 音乐赛道正式进入巨头竞争阶段，这才是真正值得关注的信号。

与我有关三问

与我有关吗？

目标用户是谁：

• Gemini 的数亿现有用户（18 岁以上）
• 短视频/社交媒体内容创作者
• 想玩音乐但没有音乐基础的普通人
• YouTube Shorts 创作者（通过 Dream Track 功能）

我是吗？ 如果你符合以下任何一条，你就是目标用户：

• 你经常需要给视频找配乐，但不想花钱买版权音乐
• 你想给朋友发个搞笑的生日歌但不会写歌
• 你是 YouTube/抖音创作者，需要快速配乐
• 你单纯想体验一下 AI 创作的魅力

什么场景会用到：

• 拍了一张旅行照片 → 让 Lyria 3 配一首风格匹配的 30 秒歌曲
• 短视频需要背景音乐 → 一句话生成，免费，不用担心版权纠纷
• 整活/搞笑 → 输入“一首关于我家猫以为自己是狮子的摇滚歌” → 30 秒后笑出声
• 不适合：需要完整歌曲、专业音乐制作、商业唱片发行

对我有用吗？

ROI 判断：对于内容创作者来说，这是个“白嫖”的好工具。5 分钟学会，0 成本使用，虽然只有 30 秒但对短视频配乐足够。投入产出比极高。但如果你是音乐人或需要专业级输出，ROI 接近于零——30 秒的“土味”歌词帮不了你什么。

喜闻乐见吗？

爽点在哪：

• 零门槛到出歌的速度感：从没做过音乐的人，30 秒内就能听到“自己的歌”，这个体验确实让人直呼“哇塞”
• 图片转音乐：拍张照片就能变成一首歌，这是 Suno/Udio 做不到的，也是 Lyria 3 最独特的功能
• 不用离开 Gemini：已经在用 Gemini 的人，不需要注册新服务，无缝衔接

“哇”的瞬间：

“我试用了 Gemini 最新的 Lyria 3 音乐生成器，它居然把我的待办清单变成了一首朋克摇滚赞歌！” —— Tom's Guide 评测

用户真实评价：

正面：“我测试过几十种 AI 音乐工具，但 Lyria 3 很不一样，因为它用起来太简单了。” —— 评测者 中立：“它能用，也很好玩，可能会让没用过 Suno 或 Udio 的人感到惊艳。但对于老玩家来说，它暂时还无法替代现有的工作流。” —— Decrypt 评测 吐槽：“这大概是现在这个世界最不需要的东西。” —— ProductHunt 评论者 犀利：“Gemini 现在开始为用户批量生产‘音乐废料’了。” —— The Register

给独立开发者

技术栈

• 核心架构：多模态扩散 Transformer (MMDiT)
• 音频生成：潜变量扩散 (Latent Diffusion) + 修正流 (Rectified Flow)
• 文本理解：LLM 类语言编码器
• 音频输出：48kHz 立体声，支持 WAV/MP3/FLAC
• 实时流式：基于 MusicLM 的块自回归，WebSocket 双向连接，2 秒分块生成
• 水印技术：SynthID 不可感知水印
• 基础设施：Google Cloud / Vertex AI

核心功能实现

Lyria 3 的核心是一个多模态扩散模型。它把文本/图片/视频统一编码到一个“共享嵌入空间”，然后通过扩散过程从高斯噪声逐步去噪生成 48kHz 的音频波形。简单来说：就是把 Stable Diffusion 生成图片的那套逻辑搬到了音频领域。

最有意思的是它的实时版本 Lyria RealTime，利用 WebSocket 保持双向连接，每 2 秒生成一个音频分块，一边参考之前的上下文保持“律动”，一边根据用户的控制实时调整风格。Google 还做了个 VST 插件 The Infinite Crate，让你能在专业音频工作站 (DAW) 里直接调用。

开源情况

• 开源吗：不开源，Google 专有技术
• 类似开源项目：Meta 的 MusicGen、Stability AI 的 Stable Audio
• API 现状：Lyria RealTime API 已经可用（实时流式、仅器乐），Lyria 2 可通过 Vertex AI 调用（lyria-002），Lyria 3 完整 API 尚未公开
• 自己做难度：极高。音乐生成比文本/图片难得多——需要同时处理旋律、和声、节奏、音色，还要保持长程一致性。没有 Google 级别的算力和海量数据，独立开发者基本做不到同等质量

商业模式

• 变现方式：不直接收费，作为 Gemini 生态的一部分，旨在增加用户粘性和 Google AI 订阅的含金量
• 间接变现：推动 Google AI Plus/Pro/Ultra 订阅（提供更高生成限额）
• 用户量：依托 Gemini 全球数亿级的用户基数

巨头风险

这个产品本身就是巨头下场的产物。对于 Suno 和 Udio 来说，Google 的入场是一个严重的威胁——Lyria 3 免费、集成在数亿用户的 Gemini 里、背靠 YouTube 生态。但目前 30 秒的时长限制和功能差距意味着 Suno/Udio 还有窗口期。关键问题是：Google 追赶的速度会有多快？

给产品经理

痛点分析

• 解决什么问题：让没有任何音乐背景的人也能进行音乐“创作”
• 痛点有多痛：中等偏低。对内容创作者来说是高频需求（每个视频都需要配乐），但之前的解决方案（版权音乐库、Suno/Udio）已经很成熟。Lyria 3 的核心优势在于“免费”和“原生集成”

用户画像

• 核心用户：Gemini 现有用户中的内容创作者
• 次级用户：想尝鲜 AI 音乐的普通大众
• 不是目标用户：专业音乐人、需要完整歌曲长度的创作者

功能拆解

竞品差异

可借鉴的点

1. “集成优势”：不做独立 App，而是嵌入已有数亿用户的平台。这种降维打击比任何营销都有效
2. 多模态思路：引入图片转音乐，开辟了新的交互范式，进一步降低了创作门槛
3. “娱乐化”定位：初期不追求专业性，避开版权争议的主战场，先以“好玩的工具”占领用户心智

给科技博主

创始人/团队故事

这不是一个典型的创业故事，而是 Google 内部一条“十年磨一剑”的产品线：

• 2016 年：Douglas Eck 在 Google Brain 创立 Magenta 项目，探索 AI 与艺术创作的边界
• 2023 年：Google DeepMind 发布 MusicLM，首次展示文本生成音乐的能力
• 2024 年：发布 Lyria 1（YouTube 上的 Dream Track），与知名音乐人合作测试
• 2025 年：Lyria 2 开放 API，推出 Lyria RealTime 实时生成技术
• 2026 年 2 月：Lyria 3 正式集成到 Gemini App，面向全球用户开放

核心团队包括 Andrea Agostinelli 等资深开发者，而项目的精神导师 Douglas Eck 被特别致谢提供了“富有洞察力的指导”。

争议点/讨论角度

1. “巨头迟到论”：Decrypt 的评测标题直接写道“我们试用了，它来得太晚，做得太少”。Google 用十年做到的事，Suno 两年就超越了。大厂的研发优势在快速迭代的 AI 赛道是否正在失效？

2. “音乐废料”还是“创意民主化”：媒体把 Lyria 3 的输出称为“musical slop”，但 Google 把它包装成“创意表达”。这到底是降低了创作门槛，还是稀释了音乐的价值？

3. “平庸化导致的过时”：The Next Web 提出了一个精辟观点——Lyria 3 不是要替代音乐人，而是让平台不再需要他们。当任何人都能 30 秒生成一首“还行”的歌，专业音乐人的生存空间在哪里？

4. 训练数据的“原罪”：Billboard 曾报道 Google DeepMind 存在“先训练再征求许可”的行为。虽然 Google 现在强调版权合规，但不公开训练细节的做法依然让行业存疑。

热度数据

• PH 排名：仅 3 票——几乎没有热度。可能是因为这被视为 Google 的功能更新而非独立新产品，PH 社区对大厂更新兴趣寥寥
• 媒体报道：爆炸级。TechCrunch、Billboard、Tom's Guide 等主流媒体均在第一时间头条报道
• 社交媒体：Twitter/X 上有大量用户分享生成的歌曲，Google DeepMind 官方推文引发了广泛讨论

内容建议

• 深度稿件：“Google 迟到的音乐野心”——梳理从 Magenta 到 Lyria 3 的十年进化史
• 短视频整活：发起一个“用 Lyria 3 给我的奇葩照片配乐”系列，产出快且易传播
• 横向测评：用同一个 Prompt 分别在 Lyria 3、Suno、Udio 上生成，做一场“AI 歌王争霸赛”

给早期采用者

定价分析

上手指南

• 上手时间：5 分钟
• 学习曲线：极低
• 操作步骤：
  1. 打开 Gemini App 或网页版
  2. 点击工具栏的“创建音乐”按钮
  3. 输入描述（如：“一首关于周一加班的 Lo-fi 慢歌，带点无奈的幽默”）或上传照片
  4. 等待几秒，播放生成的歌曲
  5. 不满意？直接回复修改要求（“节奏快一点”、“换成女声”）

Prompt 小技巧：

• 采用“风格 + 情绪 + 具体内容”的组合，例如：“一首滑稽的 R&B 慢歌，讲述一只找不到另一只袜子的袜子”
• 配合照片使用效果通常比纯文字更惊艳
• 想要地道的中文歌词，建议直接用中文描述

坑点提醒

1. 30 秒真的太短了：这是目前最大的槽点，只能算是个片段。想要完整歌曲请移步 Suno
2. 歌词质量忽高忽低：自动生成的歌词有时很“土”或逻辑不通，别指望它能写出诗意
3. 非主流风格表现一般：流行、R&B、轻 Hip-hop 效果不错，但民族音乐或实验电子乐表现平平
4. 暂无 API 接口：想在自己的 App 里集成 Lyria 3？目前还做不到，只有器乐版的 RealTime API 可用
5. 每日限额限制：免费用户有次数限制，且 Google 尚未公布具体的计算规则

安全与隐私

• 数据存储：存储在 Google 云端服务器
• AI 水印：所有输出均带 SynthID 不可感知水印，可被检测工具识别
• 隐私政策：遵循 Google 标准隐私协议
• 艺人保护：设有过滤机制防止模仿特定知名艺人，但 Google 也承认并非万无一失

替代方案

给投资人

市场分析

• AI 音乐生成软件市场：预计从 2026 年的 11.8 亿美元增长至 2036 年的 72.9 亿美元，年复合增长率 20.1%
• 驱动因素：短视频/播客/游戏等内容创作爆发、版权音乐成本高企、AI 技术突破高保真门槛

竞争格局

Timing 分析

• 为什么是现在：2024-2025 年 AI 音乐完成了从 Demo 到产品的跨越，Suno 证明了市场需求。2026 年是巨头利用生态优势入场收割的节点
• 技术成熟度：扩散模型在音频领域已达 48kHz 高保真标准，实时生成技术也已落地
• 法律环境：RIAA 对 Suno/Udio 的诉讼正在重塑行业规则。Google 采取“先做合规、再推大众”的策略旨在规避法律风险

团队背景

• 母公司：Google / Alphabet（市值约 2 万亿美元）
• 研发团队：Google DeepMind，全球顶尖 AI 研究机构
• 核心人物：Douglas Eck（Magenta 创始人）、Andrea Agostinelli（核心开发者）

融资与信号

• Lyria 3 为 Google 内部孵化，无需独立融资
• 行业对比：Suno 2024 年融资 1.25 亿美元；Udio 已被环球音乐收购
• 市场信号：巨头亲自下场验证了赛道价值，但独立初创公司的生存窗口正在收窄，未来可能向专业化或版权合规化转型

结论

一句话判断：Google 用 Lyria 3 做了一个“够好的免费玩具”。它或许不会取代 Suno，但它会让数亿人第一次体验到 AI 音乐创作——这种“全民教育”的效果，长期来看比产品本身更有价值。

资源链接

2026-02-22 | Trend-Tracker v7.3