Lyria 3.5: стала ли Google, в конце концов, хорошо понимать музыку?

Компания Google представила Lyria 3.5, новую версию своей музыкальной генеративной модели. На первый взгляд, обновление выглядит довольно привычно: лучше мелодии, качественнее вокал, естественнее тексты. Больше контроля над результатом. Но если послушать то, что модель умеет делать в реальности, становится интереснее. Lyria 3.5 уже не так сильно напоминает генератор случайного музыкального фона. Она лучше понимает, что песня должна развиваться, куда вести припев и как связать вокал с инструментальной частью.

Google называет Lyria 3.5 своей самой продвинутой музыкальной моделью на сегодняшний день. При этом компания не раскрывает привычные для языковых моделей характеристики вроде количества параметров. Архитектура описывается гораздо прозаичнее. Lyria 3.5 использует латентную диффузию, работающую с временными представлениями аудио. Обучение проходило на TPU Google с использованием JAX и ML Pathways.

Что именно стало лучше

Главное изменение состоит в том, что модель заметно лучше следует музыкальному замыслу пользователя. Раньше можно было попросить генератор сделать, например, меланхоличный инди-трек с гитарой, синтезатором и мужским вокалом, но итог нередко оказывался лишь приблизительным пересказом запроса. Теперь Lyria 3.5 лучше удерживает сразу несколько условий: жанр, темп, инструменты, характер исполнения и структуру композиции.

Google отдельно говорит об улучшении музыкальности: мелодии стали сложнее и естественнее, а переходы между частями убедительнее. Вокал получил больше выразительности, эмоций. Произношение стало точнее. Особенно заметен прогресс в работе с текстом. Модель лучше понимает не только отдельные слова, но и структуру песни, поэтому сложные указания для куплетов и припевов выполняются точнее.

Этот момент важен по одной простой причине. Ведь музыка – это не картинка, где можно получить хороший результат одним удачным кадром. Песня длится несколько минут. И слушатель очень быстро замечает, если вокал внезапно меняется, припев не отличается от куплета или инструментальная партия начинает жить собственной жизнью. Именно с сохранением цельности композиции у музыкальных генераторов долгое время были проблемы.

Теперь можно управлять не только жанром

Самая интересная часть Lyria 3.5 – даже не качество звука, а то, сколько деталей можно задавать словами. Google прямо показывает промпты, в которых пользователь указывает темп, инструменты, характер вокала, гармонию и даже то, как именно певец должен исполнять отдельные части песни. Например, можно попросить мягкий женский вокал с почти шепотом в куплетах и более открытым звучанием в припеве, добавить конкретный BPM и перечислить инструменты.

Причем модель умеет работать не только с текстовым описанием. Изображение тоже можно использовать как исходную идею для композиции: фотография, иллюстрация или даже картина могут стать основой для музыкального трека. Система пытается интерпретировать настроение и содержание изображения и перенести их в музыку. Получается довольно любопытная связка: картинка становится своего рода музыкальным промптом.

Все перечисленное открывает гораздо больше практических возможностей в сравнении с обычной генерацией песни по жанру. Например, фотографию ночного города можно превратить в атмосферный электронный трек, кадр с путешествия – в легкую поп-композицию, а иллюстрацию для игры – в музыкальную тему для конкретной сцены.

Lyria 3.5 уже ближе к инструменту для музыканта

При этом Google явно пытается уйти от модели «нажал кнопку, и песня готова». Lyria 3.5 встроена в Flow Music именно в качестве инструмента, предназначенного для творческой работы: пользователь может задавать продолжительность результата, темп и другие характеристики, а сама система старается сохранить цельность композиции на протяжении всего трека. На актуальной странице Lyria Google показывает генерацию композиций вплоть до трех минут.

Это заметный шаг по сравнению с ранней Lyria 3. В феврале 2026 года Google запускала Lyria 3 в Gemini с возможностью создавать короткие 30-секундные музыкальные треки, а позже Lyria 3 Pro расширила формат до полноценных композиций длиной до трех минут.

Поэтому Lyria 3.5 логичнее воспринимать не в качестве совершенно новой технологии. Отнюдь нет. Скорее, она является результатом последовательного развития всей системы в сторону более управляемого музыкального производства. То есть, нейросеть не просто придумывает красивый фрагмент после того, как пользователь предоставляет ей запрос. Модель научена работать так, чтобы постараться понять, что именно нужно человеку.

Выводы

Lyria 3.5, по мнению команды Креатор Проджект, стала довольно важным шагом в сторону управляемой генерации музыки. Модель лучше держит музыкальную структуру, точнее следует сложным промптам, заметно улучшила вокал и позволяет тоньше задавать темп и длительность композиции. Основное же изменение произошло на уровне самого взаимодействия. Нейросеть превратилась из генератора случайных музыкальных заготовок в инструмент, при помощи которого можно разговаривать на языке музыки.

Olga Lammers

Разбор и оценка ИИ-моделей и проектов, внимательно отслеживает развитие технологий и тенденции в области искусственного интеллекта. Аналитические обзоры помогают понять принципы работы ИИ, их возможности и ограничения, дает рекомендации по использованию инновационных решений в различных сферах. Делает сложные темы доступными для широкой аудитории.