Google lanzou Lyria 3, o seu modelo de xeración de música de intelixencia artificial máis avanzado, integrado na aplicación Gemini. A ferramenta permítelle crear pistas de 30 segundos de alta calidade a partir de solicitudes de texto ou imaxes enviadas polo usuario. A función está dispoñible en versión beta desde febreiro de 2026 para maiores de 18 anos en varios idiomas, incluído o portugués, con foco na democratización da creación musical incluso para aqueles sen experiencia técnica.
O modelo, desenvolvido polo equipo de Google DeepMind, xera cancións completas con voces, letras orixinais e instrumentais nunha variedade de xéneros. Usuários describe o estilo desexado, como “pop alegre con ritmo electrónico e voz masculina ronca”, e recibe unha canción preparada cunha estrutura cohesionada. A integración coas cargas de fotos ou vídeos permite crear sendeiros que captan a atmosfera da imaxe, ampliando as opcións creativas.
A versión representa unha evolución significativa en comparación coas versións anteriores de Lyria. O control sobre elementos como o tempo, o fluxo melódico e a expresión vocal mellorou, o que resulta en composicións máis naturais e consistentes de principio a fin da pista. Todas as pistas xeradas reciben unha marca de auga dixital SynthID invisible para o oído humano, pero detectable mediante ferramentas específicas para identificar o contido creado pola IA.
Acceso e requisitos para usar Lyria 3
A funcionalidade pódese acceder directamente na aplicación Gemini para web e móbil. Usuários debe ser maior de 18 anos e realizar a verificación da idade para comezar. O plan gratuíto ofrece un número limitado de xeracións diarias, mentres que as subscricións de pago Google AI amplían os límites para un uso máis frecuente.
O proceso comeza coa selección da opción de xeración de música na aplicación. Após introduce o indicador ou carga unha imaxe, o sistema procesa a solicitude en segundos e entrega o banner coa portada xerada automaticamente por outro modelo Google AI. As creacións pódense descargar en formato audio ou compartir nas redes sociais.
Melloras técnicas e control creativo
Lyria 3 mellorou a uniformidade estrutural das cancións, evitando transicións bruscas ou desviacións de ritmo e ton vocal. Usuários perfecciona os resultados especificando detalles como os instrumentos predominantes, o tempo ou a combinación de xéneros híbridos. Exemplos inclúen solicitudes de temas puramente instrumentais ou con letras en varios idiomas.
A capacidade de interpretar as indicacións visuais engade unha capa innovadora. Unha foto nocturna dunha paisaxe urbana pode xerar unha canción electrónica atmosférica, mentres que unha imaxe de concerto en directo inspira rock enérxico. As opcións Essas fomentan a experimentación creativa rápida.
Limitacións e medidas de seguridade
As pistas teñen unha duración máxima de 30 segundos, polo que son ideales para clips curtos ou ideas iniciais de composición. O modelo inclúe filtros que bloquean as indicacións que intentan imitar as voces de artistas específicos ou reproducir cancións existentes, para protexer os dereitos de autor.
Google subliña que o uso comercial dos carrís xerados depende das políticas actuais e das normativas en evolución. Usuários debería consultar as condicións do servizo para comprender as responsabilidades legais que implica a distribución ou a monetización de contido.
Exemplos prácticos de aplicación
Os creadores usan o Lyria 3 para producir jingles personalizados, temas de redes sociais ou prototipos de ideas musicais. Un aviso como “jazz suave con piano e saxofón solista sobre a reflexión nocturna” dá como resultado unha peza instrumental cohesionada. A inclusión de letras automáticas facilita a creación de cancións completas baseadas en temas persoais.
A ferramenta tamén se usa para a educación musical, o que permite aos estudantes explorar estruturas de diferentes xéneros sen equipos caros. Os profesionais de Músicos proban combinacións pouco habituais para inspirar novas composicións.
Integración con outras funcións de Gemini
A xeración de portadas usa o modelo Nano Banana para crear imaxes personalizadas que complementen a pista. Isso facilita a compartición inmediata en plataformas dixitais. O foco na alta fidelidade garante unha calidade de audio profesional en clips curtos.
A función está aliñada coa estratexia de Google de ampliar as capacidades creativas en Gemini. O futuro Atualizações pode incluír pistas máis longas ou controis adicionais baseados nos comentarios dos usuarios.