Lyria 3.5 是 Google DeepMind 的音樂生成模型，用文字生出帶人聲、帶歌詞的完整歌曲。你也可以給它一張圖片，讓它照畫面氛圍譜曲。台灣今天就用得到，而且有免費的入口，免費伴隨生成數量的限制。最直接的入口是 Gemini app，滿 18 歲、登入帳號就能開始。
實際會拿出來用的場合都很具體：影片缺一段 60 秒配樂、社群帳號想有一首自己的主題曲、寫好的歌詞想聽它被唱出來。這些它都做得來。規格、價格與授權條件是各自獨立的關卡，要分開查、分開算，任何一關沒過，成品都用不安穩。
重點先看：Lyria 3.5 是 Google 目前能力最強的音樂生成模型，一段文字就能生成 44.1 kHz 立體聲的完整歌曲，圖片也能當提示。
入口分成兩端。Gemini app 免費可用但有限額，要滿 18 歲，完整曲目要切換 Pro 模型。Google Flow Music 免費註冊、走點數制。開發者的 Gemini API 每首歌 0.08 美元，沒有免費層，台灣在 app 與 API 的可用地區內。
中文 prompt 就會生成中文歌詞，人聲與發音跟著語言調整。長度有兩種控制法，直接寫進 prompt，或用時間軸標記排結構。
所有輸出都帶 SynthID 浮水印，人耳聽不到，常見後製也拿不掉。官方頁面沒有商用授權的正面條款，商用前先讀入口的服務條款。
今晚就能做的動作：撥十分鐘，開 Gemini app、切換 Pro 模型、貼一段中文 prompt，第一首歌先生成出來，額度與授權的判斷之後再說。
Lyria 3.5 是什麼
模型卡給它的定位一句話講完：從文字提示合成高品質音訊的生成系統，輸入是文字，輸出有音訊，也有歌詞。成品具備結構一致性，人聲、對到時間軸的歌詞、完整編曲都包在裡面，對聽的人來說，主歌副歌有段落感，不會只是一段循環的音檔。
Google Labs 的官方發布貼文介紹了 Lyria 3.5 在 Flow Music 的更新，可對照旋律、歌詞、人聲與控制能力的原始說明。
Expecting A Minor update? We prefer to B Major. 🎶@GoogleDeepMind just released Lyria 3.5, and we’ve plugged it directly into @GoogleFlowMusic to power your next session.
— Google Labs (@GoogleLabs) July 29, 2026
What this means for your tracks:
✨ Better prompt adherence: Flow Music understands your creative… pic.twitter.com/mXikwIqC6I
Google 在 2026 年 7 月 29 日把它發布在 Google Flow Music 上，當天就上線，公告由 Google Labs 與 Google DeepMind 共同具名。公告列了升級方向：更豐富自然的旋律結構、指令遵循更好的歌詞、更真實且發音改善的人聲，以及更容易控制的速度與長度。對一般人最有感的是控制這項，想要 2 分鐘的歌，在 prompt 裡寫 2 分鐘就行。
升級幅度官方有給基準，拿 Lyria 2 來比：音訊保真度明顯進步，歌詞對簡單與複雜指令的遵循都更準，model card 也直接稱它是 Google 至今能力最強的音樂生成模型。這份文件自註涵蓋 3.5 與後續版本，更新時間停在 2026 年 7 月。
「最先進」對使用者的意義可以很具體：旋律結構更豐富、發音更準，通常代表同一個需求重新生成的次數變少，成本跟著降。升級幅度到頭來會換算成省下來的生成次數，這是比行銷詞實在的算法。
使用方式分兩種：在 app 裡用對話生歌，或用 API 把生成接進自己的服務。兩邊連的是同一個模型，但入口、費用與條件各自獨立，免費的認定也不一樣，消費端有免費額度，API 端從第一首歌就計費。這個分叉先記住，看價格與條件時才不會張冠李戴。
兩種方式各有各自最順手的族群：想快速聽到歌的，app 的對話節奏最短，要把生成包進產品流程的，API 的穩定計費與程式介面才接得上。
它跟語言模型差在哪
它跟雲端上回答問題的大型語言模型、裝進手機的小型語言模型，走的是不同的路：Lyria 用擴散模型，model card 的寫法是在時間軸上的音訊潛在表示做潛在擴散。這條路線決定了輸入與輸出，吃文字與圖片，給音訊與歌詞。
白話講這條路線：模型並非逐拍把歌寫出來，它從帶雜訊的音訊表示，一步步修到接近成品。更細的構造，官方文件沒有再往下講。
擴散式生成有個共同特徵，輸出帶隨機性，同一個 prompt 生成兩次，結果不會完全一樣，官方文件也寫明結果會變動。挑成品的時候，會一直遇到這個特性。
今天在台灣怎麼用：入口與條件
入口分成消費端與開發端：Gemini app、Google Flow Music 是消費端，AI Studio 與 Gemini API 是開發端。挑入口之前，先把條件對照清楚。
| 入口 | 形態 | 主要條件 | 費用 |
|---|---|---|---|
| Gemini app | 消費端 app | 滿 18 歲、登入、開啟活動記錄，完整曲目要切 Pro 模型 | 免費可用，生成數量有限額 |
| Google Flow Music | 創作 app，iPhone、iPad 與電腦 | 年齡驗證通過、滿 18 歲、位於支援地區 | 免費註冊，點數制，可升級 |
| AI Studio 與 Gemini API | 開發端 | 模型 ID lyria-3.5 已上線 | 每首歌 0.08 美元，無免費層 |
Gemini app：免費就能開始
今晚要生出第一首歌，我會選 Gemini app。官方 FAQ寫得直白：在 Gemini 應用程式可用的所有國家/地區，均可使用 AI 音樂產生功能，須年滿 18 歲。那台灣在不在範圍裡？
可用地區頁自稱超過 230 個國家/地區與地域、40 多種語言，清單裡有台灣。音樂功能跟著 app 的可用範圍走，台灣在清單內，兩個前提擺在一起，結論就是可以用。
支援頁開出的條件，年齡與帳號是門檻，掛在完整曲目上的是這條：
- 年滿 18 歲。
- 登入個人 Google 帳戶，或支援的公司與學校帳戶。
- 開啟保留活動記錄。
- 如要生成完整曲目，切換成 Pro 模型。
沒切 Pro 模型時生出的內容長什麼樣，頁面沒有另行描述，能確定的是完整曲目這個結果跟 Pro 模型綁在一起。要一次到位，先切再下 prompt。
條件裡最常被忽略的是活動記錄那一項，這一項沒開，入口就走不通。這關過了，才談得上額度與模型切換。
用量與成品官方都有說法。用 Lyria 生成曲目有數量限制，超過上限會收到通知，之後可以升級訂閱，或等用量額度重設，次數官方沒有公開，任何具體數字都不是官方背書的。每首曲目附 AI 生成的封面圖，官方說明封面出自 Nano Banana，完成後能直接下載，或分享到你常用的平台。
把免費額度想成試用籌碼，會比想成固定方案好規劃。次數沒有公開，你算不出這個月能生幾首，能掌握的是單次工作的需求，例如一支影片的配樂，多生幾個候選再挑。超出上限的通知出現那天，才是決定要不要升級的時點。
app 裡的實際節奏很單純：貼上 prompt 送出，等成品跟封面一起出現，下載或直接分享。過程沒有參數要填，控制都靠 prompt 本身，這是消費端與 API 端最大的手感差別。
在 app 這一端，人聲與純音樂的切換、上傳一張相片生配樂，都做成了介面選項，不用寫任何規則進 prompt。升級與否的判斷很單純，額度夠就用免費，不夠再考慮升級或等重設，官方對額度的說明就這兩條路。我的排序把 Gemini app 放第一個試，因為免費、台灣在範圍內、18 歲以上就能開始。
18 歲這條線，兩個消費端入口一致，Flow Music 也要先過年齡驗證。這是產品規則，不是區域問題。未成年走不進任何一個。
Google Flow Music：點數制的創作 app
Flow Music 是面向創作者的 app，也是 Lyria 3.5 的首發載體。官方支援頁列的使用條件：通過年齡驗證且滿 18 歲、位於支援地區、用 Google 帳戶免費註冊。要取得更多點數與生成次數，就升級 Flow Music 訂閱方案或 Google AI 會員方案。平台頁籤只有 iPhone、iPad 與電腦，Android 沒有份。
這個 app 的取向是創作而非單次生成：點數對應生成次數，升級買的是更多點數與生成機會，沒有隱藏模型這種東西。計費面官方只講條件，免費註冊就能用，點數與生成次數有限，要更多就升級，訂閱的定價數字支援頁沒有給。
點數制的邏輯不複雜，每次生成扣點數，點數見底就停，補充靠升級。官方沒有公布點數的發放節奏與免費額度數字，文件寫到的路就是升級訂閱或會員方案。
台灣能不能裝？官方的支援地區清單連不到可讀的國家列表，能看的證據在 App Store 這邊：台灣的 App Store 有 Flow Music 的 iOS 頁面，2026 年 9 月 5 日當天連得上。INSIDE 在 2026 年 5 月 28 日報導 iOS 版上架，限 18 歲以上下載，台灣使用者也下載得到。
時間線要對齊。INSIDE 五月報導時，Flow Music 搭載的是前一個模型 Lyria 3 Pro，同篇報導也寫Gemini Omni Flash導入 Flow Music，使用者能以對話方式生成可分享的音樂影片，功能開放給所有 Google AI 訂閱者。2026 年 7 月 29 日之後，Flow Music 上搭載的就是 Lyria 3.5。
做社群內容的人，MV 功能比模型版本更實際，配樂跟畫面包在同一個產出裡，這個功能走訂閱，不在免費面。編輯功能是另一個產品面消息：The Decoder在 2026 年 7 月 29 日報導，Flow Music 新增 Selective Section Painting，可以只重畫曲目的特定段落，把短旋律發展成完整歌曲而不必整首重來。它也能微調人聲、鼓、貝斯等元素的節奏與時長，曲目長度介於 30 秒到 3 分鐘，這是 Flow Music 的功能，API 文件裡沒有。
AI Studio 與 Gemini API：開發端的入口條件
開發端的門票很單純：模型 ID lyria-3.5 已上線，可用地區文件的地區清單含 Taiwan，頁尾標的更新時間是 2026 年 4 月 28 日，清單不含中國大陸、香港與澳門。AI Studio 裡可以直接選到 lyria-3.5 試生成，要接進自己的服務就走 Gemini API 拿金鑰。
地區文件這種頁面，看清單裡有沒有你要的市場，再看頁尾標的更新日期，清單會改版，日期就是這份資訊的保存期限。
它能做到什麼，做不到什麼
API 文件寫的能力範圍：從文字提示或圖片生成高品質的 44.1 kHz 立體聲音訊，成品具備結構一致性，人聲、對到時間軸的歌詞、完整編曲都算在內。規格翻成白話：44.1 kHz 是每秒取樣 44,100 次，立體聲是左右兩個聲道，輸出的 MP3 或 WAV 都以這個規格為準。歌詞對到時間軸，代表詞跟演唱是對齊的，要做帶唱詞的影片或字幕，這個對齊是現成的，不用逐句手動對時間。
輸出直接是立體聲，配影片或社群貼文不需要再處理聲道。會卡住人的通常是長度與授權，不是音訊品質。
最長幾分鐘，官方有兩個數字
長度的官方數字有兩個，寫在不同的頁面上。DeepMind 模型頁與行銷頁寫最長 3 分鐘，API 文件的規格表寫數分鐘、可用 prompt 控制。模型頁另給了例子：60 秒的短版、半長度的曲目、3 分鐘的全曲。兩個講法都成立，用途不同，行銷頁講能力上限，API 表講操作面的描述，實際長度由你的 prompt 決定。
控制長度有兩個方法。直接寫在 prompt 裡，官方文件舉的例子是 create a 2-minute song，一句話指定一首 2 分鐘的歌。第二個方法用時間軸標記把結構訂出來，例如前 10 秒標成 Intro。時間軸比單寫數字可靠，因為它同時約束了結構與長度，要 60 秒的短版就寫 60 秒，要全曲就把時間軸排滿，短版跟全曲用同一個模型 ID，差別只在排法。
長度要跟用途綁在一起想：社群短內容抓 60 秒級的短版，完整 demo 抓滿 3 分鐘，時間軸照用途排好，比生成完再剪省事。模型頁給的例子正好對應這種需求差異。
圖片輸入、輸出格式與曲風
輸出預設 MP3，Lyria 3.5 可以額外指定 WAV，這個選項只有 3.5 有，要進後製就指定 WAV，直接使用拿預設的 MP3 就好。圖片輸入在 API 端最多 10 張，跟文字 prompt 放進同一個輸入列表，模型會依視覺內容譜曲，等於可以給一組視覺參考。消費端的 Gemini 頁寫得簡單，上傳一張相片，生成契合場景氛圍的專屬配樂，門檻更低，控制也少。
圖片輸入的常見用法，用示意情境講：給一張產品照配一段符合質感的背景音，或給一組插圖讓模型抓氛圍。曲風範圍官方寫從流行、放克到 Motown，人聲支援多語言。曲風詞一到兩個關鍵詞配情境描述，通常比一串形容詞有效，這是寫 prompt 的經驗法則，效果仍要自己聽了算。
純音樂也做得到。API 的寫法是在 prompt 裡指定器樂、不要人聲，官方範例是 Instrumental only, no vocals。消費端則有 vocals 與 instrumentals 的介面切換。
單輪生成，改不了只能重來
音樂生成是單輪過程，目前版本不支援用多個 prompt 反覆編輯或修正同一個片段，你下不了把副歌縮短這種指令。要改，就帶著修正重寫 prompt，整首重來，時間軸標記在這裡幫得上忙，哪一段出問題就改那一段的標記與起訖，比重寫整個 prompt 有依據。同一個 prompt 每次生成的結果也可能不同，多生幾個候選再挑是基本工作方式，每個候選在 API 端就是一首歌的計費。
輸出欄位裡歌詞也算一項，詞是生成結果的一部分，你可以拿到文字稿自己改，改完要不要重生成，是你的工作流要決定的事，模型不幫你延續上一版的修改。
有些數字官方沒給。生成一首要等多久，頁面沒有揭露，也找不到官方給過的秒數，模型頁倒是自己寫了還在改進關鍵能力，建議你仔細檢查成品符不符合想像。等待時間未知，成品要自己聽。
怎麼生第一首歌：標記、時間軸與中文歌詞
模型在生成前，會先排一遍結構
API 文件描述生成前有一段推理：模型先依 prompt 想過一遍樂曲結構，前奏、主歌、副歌、橋段都安排好，然後才生成音訊。內部有一個 prompt 改寫器，中間的思考不對使用者開放。你看到的只有成品。
這個機制對寫 prompt 的意義很直接：結構線索給得越多，模型安排的依據就越明確。段落標記與時間軸，餵的就是這個階段。
結構標記與時間軸怎麼下
歌詞跟指令分開寫，再用段落標記給結構。[Verse] 是主歌，[Chorus] 是副歌，[Bridge] 是橋段，官方給的最佳做法就是這幾個標記，加上歌詞與指令分明這條規則。結構給得越清楚，段落的對位越準，長度也越好控制。最常見的失敗出在輸入端：曲風描述、歌詞、時間安排全部塞進同一行，模型分不清哪句要唱出來、哪句只是指示。
以下為 Google DeepMind 官方的 Lyria 3 段落結構教學，示範如何安排完整曲目。影片版本為 Lyria 3；Lyria 3.5 的模型 ID、長度與 API 條件，仍以本文連結的現行文件為準。
混寫為什麼會失敗，原因回到生成前的結構推理：模型把整行文字當成要安排的素材，指示跟歌詞混在一起，排出來的段落就會歪，唱出來的內容也可能混進指示的句子。分開寫等於告訴模型，哪些是要唱的詞、哪些是給它的交代。
拿五行的分法示範：第一行寫曲風與速度，第二行標 [Verse]，標記下面貼歌詞，收尾一行寫長度與語言。同樣的素材全部擠成一行，模型就得猜哪個是要唱的。官方把分開寫列為最佳做法，原因就在這裡。
時間軸的官方範例形態是開頭標 [0:00 – 0:10] Intro，把每段的起訖時間與職責寫在標記後面。時間軸跟段落標記可以並用，一個管順序與時間，一個管身分，副歌就是副歌，前奏就是前奏。prompt 寫得短也行，一句話就能生，控制面就只剩模型自己的判斷，成品的可預期性跟著降低。
三分鐘全曲 Prompt 範本
範本吃到 Lyria 3.5 的幾個控制面：段落結構標記、時間軸、長度控制、語言控制，可以直接複製貼上，換掉歌詞與情境就能用。結構拆開看：開頭的總述交代長度、語言與氛圍，中間的時間軸段落把每段起訖寫清楚，歌詞直接放在標記下面，收尾兩行把長度與語言的控制再寫一次，跟開頭呼應。
請生成一首完整的華語流行歌曲，長度約 3 分鐘，歌詞用繁體中文。
整體氛圍：城市夜晚的抒情曲，鋼琴為主，副歌加入鼓與弦樂。
人聲：男聲，語氣安靜，副歌推高。
[0:00-0:15] Intro：鋼琴獨奏，速度中慢。
[0:15-0:50] [Verse]：
燈還亮著的便利商店
你說再坐一會就好
[0:50-1:25] [Chorus]：
如果我們只是慢一點
是不是就不用說再見
[1:25-1:55] [Verse 2]：
後來的路燈換了顏色
後來的我們沒有後來
[1:55-2:20] [Bridge]：器樂推高，人聲只留一句：
再一個夜晚就好
[2:20-3:00] [Chorus]：重複副歌，結尾漸弱收在鋼琴。
長度控制：全曲約 3 分鐘，服從時間軸。
語言控制：全曲歌詞維持繁體中文。用的時候記住：歌詞放在標記下面，指令放在前後，不要混在一起。要改長度就連時間軸一起改，數字前後要一致。
改範本的順序也有講究：先改歌詞與情境，再動結構，一次改一個變因，你才知道是哪個改動讓結果變好或變壞。生成結果本來就會變動，控制變因是你唯一能掌握的部分。
中文歌詞怎麼寫最穩
語言規則很直接：prompt 用什麼語言寫，歌詞就生成什麼語言，人聲風格與發音跟著調整。官方例子是法文，用法文寫 prompt 就得到法文歌，中文走同一條規則。從曲風描述到歌詞全部用中文寫最穩，這是中文使用者最值得先試的一件事。英文夾雜也行，混合的邊界官方沒有細講。
人聲的期待先設好。官方寫人聲風格與發音會跟著語言調整，但調到什麼程度，頁面沒有細講。先生成、再聽、再決定要不要換 prompt 重來，這個迴圈比一次到位實際。
驗收中文歌的標準放具體一點：咬字、語氣、副歌的推進都過了才算可用，只有一項不對，就只改那一項的描述，重生成的成本最低。
第一次用中文生成，建議固定曲風跟結構，只動歌詞，聽人聲的咬字跟語氣對不對。咬字不對，改的是描述人聲的那行 prompt，不必整份重寫，這也是控制變因的另一種應用。
多少錢：免費額度、訂閱與每首歌計費
消費端：免費有限額，訂閱價會動
簡單講，消費端的免費是真的，限制也是真的。2026 年 9 月 5 日打開台灣訂閱頁：免費方案每月 NT$0，需要 Google 帳戶，Google AI Plus 每月 NT$165，Google AI Pro 每月 NT$650。AI Ultra 分兩層，NT$3300 那層的用量上限是 AI Pro 的 5 倍，NT$6500 是 20 倍，差異官方只講倍數。
價格會動，而且有紀錄。AI Plus 在 2026 年 1 月 27 日的官方公告裡是每月新台幣 260 元，同一個方案到 2026 年 9 月 5 日變成 165 元。上面那排數字，全屬於 9 月 5 日這一天。
165 與 650 之間該不該跨，先看你在 Google AI 工具上的整體用量，音樂只佔其中一小塊。
訂閱頁沒有把音樂生成列成任何方案的功能條目，列的量化福利是 Google Flow 點數：Plus 200、Pro 1,000、Ultra 10,000 或 25,000，點數對應的是 Flow 產品面的使用。官方對音樂生成額度的講法，只有數量限制，超過後可升級或等待重設。該看的不是方案名稱，而是你的額度與點數夠不夠用，點數跟音樂額度分開算，才知道月費買到什麼。
什麼時候該升級，官方給的訊號只有一個：額度上限的通知。收到通知之前，免費方案就是夠用的證明，收到之後，再拿自己的生成頻率去對各方案的點數，月費除以實際使用量，才是真實單價。音樂不在方案條目裡，這個算法對音樂同樣適用，因為限制的就是次數。
API 端：每首歌 0.08 美元
API 沒有免費層，這件事跟消費端的免費是兩回事。定價頁寫 Lyria 3.5 全曲每首 0.08 美元，免費層欄位是 Not available，頁面自述的更新時間是 2026 年 9 月 4 日。同一頁把 Lyria 3 家族標成 legacy：30 秒片段的 Lyria 3 Clip Preview 每首 0.04 美元，全曲的 Lyria 3 Pro Preview 每首 0.08 美元，同樣沒有免費層。Lyria 2 不在這頁上。
同頁還有個省錢的角落：剛剛那個 30 秒片段模型計價一半，測曲風、試 prompt 方向的階段先用它，定型再換全曲的 lyria-3.5。
定價表的資料使用欄位值得看一眼：付費層的生成不用於改善產品。計價只有美元，官方沒有 Lyria 的台幣 API 價。
示意算一下：每首 0.08 美元，生成 100 首就是 8 美元。知道單價就知道總價，原型來回個幾十首，帳單是個位數美元的等級，試錯的心理負擔低。按首歌計費對原型的會計也乾淨，生成幾首、花多少錢，一欄算式就結案，點數制的方案要把點數換算成首數再看單價，月費還要除以使用量。要大量或串進產品之前，先把量算出來再動手。
浮水印、安全過濾與商用界線
SynthID 浮水印拿不掉
所有生成的音訊都帶 SynthID 浮水印，用途是識別，人耳聽不到，也不影響聆聽體驗。SynthID 技術頁進一步說明：加噪、MP3 壓縮、改變曲目速度這類常見後製，都無法移除浮水印。
驗證的流程官方有給：上傳檔案並詢問是否由 Google AI 生成，Gemini 會檢查 SynthID，再依推論回覆，這個回覆本身不算保證。要留證據的商業案，把原始輸出檔跟驗證當時的回覆一起存下來，比單看一句回答穩。
浮水印要放在對的位置看。官方講的是聽感面，人耳聽不到、不影響聆聽體驗，影響的是這個檔案能不能被驗出是 AI 生成的。要求標示 AI 內容的平台或客戶，拿到的是識別依據，想把它當成真人演奏的人，拿到的是拿不掉的標記。
後製拿不掉，聽感又不受影響，創作者平常感覺不到它，需要驗證的時候它一直在。
能拿去商用嗎
官方頁面沒有給輸出內容商用權利的正面條款，也沒有寫禁止商用。我的判斷：要把生成音樂放進商業案，先讀你要用的那個入口的服務條款，而且浮水印會留在檔案裡這件事要算進去。
幾個常見用途先想清楚：影片配樂、廣告素材、Podcast 片頭，面對的條款環境各不相同。先確認你要發布的管道對 AI 生成內容有沒有額外的標示要求，再決定生成音樂放哪個位置。
Acceptable Use 政策照樣適用，model card 綁的是 Google 生成式 AI 禁止使用政策：不得整合進違法、侵害隱私或智財、危害安全、性與暴力及仇恨、或不實訊息的系統。輸入端也有過濾，所有 prompt 都會經過安全過濾器，指定特定藝人的聲音、要求生成受版權保護的歌詞，這類請求會被擋下，想在詞曲裡模仿某位歌手的嗓音，這條路在規則上就走不通。
企業端的文件把安全措施列得更細：內容安全過濾、複誦檢查、藝人意圖檢查，加上 SynthID 浮水印。API 文件對過濾的描述就短得多，兩邊細節程度不同。
發行是另一件事。數位發行商 RouteNote 的部落格在 2026 年 8 月 4 日報導，Google 與 Believe 合作，Flow Music 的音樂可以經 Believe 與 TuneCore 發行，這兩個名字是把音樂送上平台的發行通路。能發行跟取得商用授權是兩個問題，條款仍然要自己讀。
商用判斷的步驟可以很樸素：先讀你所用入口的服務條款，確認你打算的用途沒有被排除。生成後留一份當時的條款與日期，音樂放進商業案之前，自己聽過成品。這幾步比憑印象決策穩。
訓練資料的爭議
先看官方說了什麼。model card 寫訓練用的是音訊資料，配上不同詳細程度的文字標註，資料集經過去重與安全過濾，緩解措施包含資料集過濾、監督式微調、人類與評論者回饋的強化學習，以及 SynthID 浮水印，訓練用 TPU 與 JAX。資料的來源與版權細節，官方沒有揭露，爭議也從這裡開始。
音樂產業媒體Music Business Worldwide在 2026 年 7 月 30 日報導：獨立音樂人三月對 Google 提起集體訴訟，主張至少 4,400 萬個音樂片段、28 萬小時的音樂被從 YouTube 複製用於訓練。Google 六月聲請駁回，主張原告已依服務條款授與廣泛授權。這些數字都出自原告的主張，報導裡是這樣標明的，法院還沒有判定。
追問也問過。The Decoder 在 2026 年 7 月 29 日報導，被問到 Lyria 3.5 的訓練資料時，Google 沒有立即回應，3.5 的發布公告本身也沒有說明訓練資料。
訓練資料的授權還在訴訟裡，輸出的商用權利也就沒有正面條款可以引用，兩件事放一起看，條款要多讀一遍。這是我對風險的讀法，算不上法律意見。
開發者怎麼接 API
從 AI Studio 到第一次呼叫
已經在 Gemini API 上跑過文字模型的人，例如Gemini 3.6 Flash，接 Lyria 的流程不陌生：拿金鑰、呼叫、收音訊。呼叫走新的 Interactions API，支援文字與圖片的多模態輸入，REST 端點是 POST https://generativelanguage.googleapis.com/v1beta/interactions。模型 ID 用 lyria-3.5，同一份文件還有 lyria-3-clip-preview，固定生成 30 秒片段，兩個模型走同一個 API，差別在 ID 與片段長度。
文件裡有個小坑：該頁的 Java 範例出現 lyria-3-generate-001 這個 ID，跟規格表不一致。以規格表與定價頁為準，不要拿範例的 ID 直接上線。
輸入的組裝一次到位：文字 prompt 跟圖片放進同一個輸入列表，一次呼叫就是一次生成，沒有先後續聊的空間。想在應用裡做多版本比較，就是同一份 prompt 發兩次呼叫，結果不同正好當成樣本。輸入上限是 131,072 個 token，對歌詞加指令的組合非常充裕，實際的瓶頸多半是想清楚要什麼，很少是長度。
批次與工具呼叫的欄位都不支援，排程與外圍邏輯要自己寫在應用端。典型串接是這樣：使用者給描述或圖片，後端組輸入列表、發一次呼叫、收音訊、存檔或直接播放。要並行就開多個請求，要排程就用自己的工作佇列，API 沒有代管這些。
能力邊界與企業端現況
API 模型卡把 Lyria 3.5 描述為旗艦，定位是生成具備複雜結構一致性的全曲，包含多段主歌、副歌與橋段。版本標記 Preview，頁面標的最新更新是 2026 年 9 月。能力欄位只有音訊生成一項，快取、函式呼叫、結構化輸出、批次、即時 API 這些欄位都是不支援，單輪生成在 API 端的意義很實際，改 prompt 重新呼叫，每個候選都是一次計費。
企業端的 Vertex 與 Gemini Enterprise Agent Platform，截至 2026 年 9 月 5 日，文件與定價只到 Lyria 3 家族與 Lyria 2，頁面搜不到 3.5 的條目。條目出現之前，要企業採購路徑就得等。
Vertex 定價頁上的數字：Lyria 3 Pro 全曲每首 0.08 美元，Lyria 3 的 30 秒片段每首 0.04 美元，Lyria 2 純文字 prompt 每首 0.06 美元。承諾用量折扣後，1 年期依序是 0.072、0.036、0.054 美元，3 年期是 0.064、0.032、0.048 美元。GEAP 文件對 Lyria 3 Pro 的描述是 184 秒、具清楚樂曲結構與人聲的音軌，184 秒屬於 Lyria 3 Pro，不屬於 3.5。
需要 3.5 的規格就等條目，需要的是合約與折扣面，先用 Lyria 3 Pro 也是並列的選項。這是採購面的權衡，文件與定價都沒有給優劣的排序。
跟 Suno、ElevenLabs 比，該用哪一個
老實說，目前沒有控制變因的第三方實測可以依。到 2026 年 9 月 5 日為止，我查不到任何針對 Lyria 3.5 的數值 benchmark，唯一找得到的比較文，作者自己聲明那是依官方產品資訊做的比較，並非控制變因的聆聽測試，文章發布於 2026 年 7 月 31 日。它的兩個結論可以參考：當可重複的藝人識別是優先時，Suno v5.5 是較成熟的環境，贏家會依專案不同而改變。
價格面可以直接比。Suno 定價頁：模型在 v5.5，免費方案 0 元，每日 50 點數約 10 首，模型限 v4.5-all，無商業權。Pro 每月 8 美元，2,500 點數最多 500 首，含商業權，Premier 每月 24 美元，10,000 點數最多 2,000 首，年繳省 20%。
免費額度的內容差很多。Suno 的免費寫明每日 50 點數約 10 首，代價是模型限在 v4.5-all、無商業權，Gemini app 的免費沒有公開次數，超過才會收到通知。要預估量的人，Suno 那邊算得出來，Google 這邊只能實際試。
ElevenLabs 的 Music API按分鐘計，每分鐘 0.15 美元，單次上限 5 分鐘，音訊是 44.1 kHz 與 128 到 192 kbps，商用授權從 Starter 以上方案開始，這是他家自己的條款。Stable Audio 這邊是 3.0 家族，Large、Medium、Small 與 Small SFX，其中 Small 與 Medium 開放權重下載，產品頁沒有公開價格。Udio 採訂閱制，定價頁讀不到可以引用的數字。
計費結構的差別最清楚：Google 是四家主要 AI 音樂服務裡唯一用每首歌計價的 API，ElevenLabs 按分鐘，Suno 與 Udio 按月訂閱點數。示意算一下，一首 3 分鐘的歌，按分鐘計是 0.45 美元，按首計是 0.08 美元，量大的時候，計價結構比單價更能決定帳單的樣子。花的是自己的預算時，這個差別比模型名稱更值得先算。
| 服務 | 計價方式 | 價格 | 商用條款面 |
|---|---|---|---|
| Gemini API 的 Lyria 3.5 | 每首歌 | 0.08 美元 | 官方頁面無正面條款，看服務條款 |
| Suno | 月訂閱點數 | 免費 0 元，Pro 每月 8 美元，Premier 每月 24 美元 | 商業權寫在付費方案 |
| ElevenLabs Music API | 每分鐘 | 0.15 美元 | 商用授權自 Starter 方案起 |
怎麼選
選擇條件比品牌忠誠實際，按需求分：
- 要免費起步：Gemini app 與 Suno 的免費方案都在。
- 要 API 而且想按首計費：Google 的結構最乾淨。
- 工作流本來就在 ElevenLabs 上：音樂跟語音一起結算，走他那邊最順。
- 要可重複的藝人識別：可依的只有那篇自述非實測的比較文，指向 Suno。
已經在 Google 訂閱與工具裡的人，Lyria 的入口成本最低，同一組帳號與計費就能往前走。跨平台比較時，把帳號、計費與工作流的摩擦一起算，比只比單價接近真實成本。
舉兩個情境當參考。一個月用不到十首的品牌配樂需求，免費額度就夠，選離自己工作流近的入口。常態性大量產出，計價結構決定帳單，按首計費最好預估，點數制要換算過再比。
還有一個實際的交叉點：你要的是中文歌，還是可重複的聲音識別。中文歌詞在 Lyria 是 prompt 語言的直接延伸，不用繞路，聲音識別的證據目前指向 Suno，但那不是實測結論。需求不同，答案就不同，那篇比較文自己的講法也是這樣。
Lyria 家族名字對照
名字多，規格與計費各走各的，先對照再動手。版本命名的混亂是全行業的毛病，OpenAI 的GPT-5.6、xAI 的Grok 4.6、智譜的GLM-5.3，都一樣要查過才確定講的是哪一個。
| 名字 | 是什麼 | 規格與計費重點 |
|---|---|---|
| Lyria | Google DeepMind 的音樂模型家族總名 | 無 |
| Lyria 3.5 | 目前的主力全曲模型，模型 ID lyria-3.5，Preview | 每首 0.08 美元 |
| Lyria 3，又稱 Lyria 3 Clip | 30 秒片段模型，模型 ID lyria-3-clip-preview | 每首 0.04 美元，定價頁標 legacy |
| Lyria 3 Pro | 全曲模型，模型 ID lyria-3-pro-preview | Vertex 文件寫 184 秒，每首 0.08 美元 |
| Lyria 2 | 舊代模型，模型 ID lyria-002 | 純文字 prompt，Vertex 每首 0.06 美元 |
| Lyria RealTime | 即時互動音樂生成，連續串流、可即時操控 | 48 kHz |
| Magenta RealTime | Lyria 的開源支線 | 無 |
| Google Flow Music | 面向創作者的消費端 app | 免費註冊，點數制 |
| Music AI Sandbox | 早期音樂人試用工具 | 音訊續寫的 Extend 在這裡，3.5 沒有 |
| Dream Track | YouTube Shorts 的 AI 配樂功能 | 無 |
兩個最容易搞混的名字
第一個：Vertex 的 Lyria 3 Pro 跟 Lyria 3.5 是兩個模型，定價頁上並列成不同的列，官方沒有任何兩者等同的宣稱，184 秒只屬於 Lyria 3 Pro。第二個：Lyria 3 同時是家族名，底下有 Clip 與 Pro 兩個模型 ID，講的時候要指明是哪一個。要確認自己用的是哪個，看模型 ID 最快，lyria-3.5 是全曲主力，lyria-3-clip-preview 是 30 秒片段，lyria-3-pro-preview 以企業端為主，也列在 Gemini API 定價頁的 legacy 名單，文件裡出現其他 ID，以規格表為準。
發布通道也反映世代差異。前一個世代 Lyria 3 的 model card 列了八個通道，從 Gemini App、Google Cloud、Vertex AI、Google AI Studio、Google Vids、YouTube，到 Producer AI 與 Music AI Sandbox，3.5 的 model card 只列一個：Google Flow Music，並說明模型可經 API 提供給下游提供商。
Lyria RealTime是另一條即時生成的線，連續串流、可即時操控，取樣率 48 kHz，跟 3.5 的 44.1 kHz 是兩個數字。家族裡還有 Magenta RealTime 這條開源支線，以及 YouTube Shorts 用的 Dream Track。
要即時互動、邊玩邊改的表演場景，看 RealTime 那條線，要交出完整成品的看 3.5，名稱混用只會查到錯的規格。
要找音訊續寫的人認清一條線：續寫在 Music AI Sandbox 的 Extend 工具裡，那是早期音樂人的試用產品，3.5 的官方頁面沒有提這個能力。把續寫算進 3.5 的需求清單，會排錯工作流。
常見問題
Lyria 3.5 免費用得到嗎？
免費有，但只在 app 那端。Gemini 的免費方案就能生，18 歲以上、登入、開啟活動記錄，條件齊了就能用，量有限，官方沒給次數，觸頂會收到通知，之後升級或等重設。API 那端，定價頁寫全曲一首 0.08 美元，免費那格直接標不提供，從第一首就收費。
台灣可以用嗎？
可以。Gemini app 的官方 FAQ 說，音樂功能在 app 可用的國家/地區都能使用，而台灣就在 app 的地區清單上，開發端的地區文件也列了 Taiwan。Flow Music 那邊官方沒有可讀的地區列表，側面依據是 App Store 台灣站找得到 iOS 版，INSIDE 於 2026 年 5 月 28 日的報導也寫了台灣能下載。以上狀態屬於 2026 年 9 月 5 日。
能生成中文歌詞的歌嗎？
可以，規則是 prompt 的語言決定歌詞的語言，人聲風格跟著換。要繁體中文的歌，從描述到歌詞整份都寫中文，再配段落標記與時間軸。[Verse] 這類標記的身分是指令，不會被唱出來，唱出來的內容以你寫的詞為準。
生成的音樂能商用嗎？
授權條款目前查不到正面說明，也沒有出現禁止的字樣。實際要用的話，第一步翻入口本身的服務條款，確認用途沒被排除，同時記得輸出檔案裡的 SynthID 標記會一直在。競品有的把商用權寫進付費方案，Google 官方頁面對應的條款還沒出現，發行通路是另一件事，跟授權分開看。
API 怎麼開始用？
金鑰到 AI Studio 或 Gemini API 申請，照文件上新的呼叫端點發請求，模型名稱填 lyria-3.5，輸入用文字就行，最多再附 10 張圖。輸出格式預設 MP3，有後製需求可改要 WAV，計費一首 0.08 美元，沒有免費方案，改一次 prompt 就是一次新的計費。
一首歌最長可以到幾分鐘？
看哪個頁面寫的。模型頁與行銷頁給的答案是 3 分鐘封頂，API 規格表寫數分鐘、由 prompt 決定，兩邊各自成立。模型頁的例子從 60 秒短版排到 3 分鐘全曲，同一個模型 ID 都辦得到，差別在 prompt 怎麼排。
生成的音樂有浮水印嗎？
有。每一份輸出都帶著 SynthID 的音訊標記，耳朵聽不出來，也不影響聽感。官方技術頁說，加噪、壓縮、變速都拆不掉它。想驗的話，把檔案交給 Gemini 問一聲，它會檢查後給推論性的回答，真要驗，用原始輸出檔最準，後製過的檔案測到的其實是抗性。
Lyria 3、Lyria 3 Pro 和 Lyria 3.5 是同一個模型嗎？
不同，各是各的東西。Lyria 3 指向 30 秒片段那個模型，定價頁已標 legacy。Lyria 3 Pro 是企業端 Vertex 上的全曲，文件記的長度是 184 秒，定價頁上它跟 3.5 分開列。Lyria 3.5 才是現役主力，計費一首 0.08 美元，ID 是 lyria-3.5。
下一步
今晚的十分鐘這樣花：開 Gemini app，切換 Pro 模型，貼上三分鐘全曲 Prompt 範本，把歌詞換成你自己的。額度超過就等重設或升級，判斷的基準是你的量。
生成結果不要只聽一次。同一個 prompt 的結果會變動，多聽幾個版本再挑，選中的那首要商用，一樣回到條款那一關。
生成音樂只是內容的一環。搜尋端有AI Mode，I/O 2026 上的搜尋與 agents 更新也一路展開，創作端就是 Lyria 這條線。你的配樂做完會進影片、社群或網站，內容怎麼被 AI 搜尋理解與引用，是我們另寫過的一套規則。畫面也可以交給生成模型，Grok Imagine Image 2生圖、MiniMax H3生影片，音樂與畫面都有各自的生成工具。
條款與浮水印不會因為換工具而消失。商用前讀條款，生成後聽成品，這個順序不要顛倒。
