Google ha esteso Lyria 3.5 alla Gemini app e alla Gemini API, portando il proprio modello di generazione musicale oltre Google Flow Music, dove era stato introdotto il 29 luglio 2026. Lyria 3.5 è disponibile globalmente per gli utenti Gemini sul web e nelle applicazioni mobili ed è accessibile anche attraverso Google AI Studio, Google Vids e Flow Music. Il modello è stato aggiornato rispetto alle generazioni precedenti con una maggiore qualità musicale, arrangiamenti più ricchi, voci più espressive, una migliore gestione dei testi e un controllo più preciso sulla durata e sulla struttura dei brani. Google lo descrive come il proprio modello di generazione musicale con la migliore resa sonora e lo ha progettato per produrre tracce coerenti sia in forma strumentale sia con parti vocali.
Nella Gemini app, Lyria 3.5 introduce un flusso di creazione guidato che permette di selezionare direttamente un genere musicale oppure descriverlo attraverso un prompt, scegliendo poi se generare una traccia vocale o strumentale. Sono disponibili nuovi template pensati per avviare rapidamente produzioni di tipo diverso, tra cui musica di sottofondo, brani personalizzati e tracce per occasioni specifiche. L’utente può inoltre scegliere se creare contenuti brevi oppure composizioni più lunghe. Tra gli utilizzi indicati da Google rientrano backing track per video, jingle per marchi e aziende, suonerie personalizzate e altri contenuti musicali generati a partire da una descrizione.
Lyria 3.5 supporta anche la generazione musicale a partire da immagini. Un’immagine può essere fornita come input insieme alle istruzioni testuali e utilizzata dal modello come riferimento visivo per determinare atmosfera, caratteristiche musicali e direzione della composizione. Nella versione accessibile tramite API possono essere inviate fino a dieci immagini insieme al prompt testuale. Il sistema traduce quindi gli elementi visivi in caratteristiche musicali senza limitarsi alla sola generazione text-to-music, permettendo di associare un contenuto sonoro a fotografie, concept visuali o altri materiali grafici.
Per gli sviluppatori la famiglia Lyria 3.5 comprende due modelli distinti. lyria-3.5-clip-preview è ottimizzato per clip, loop, anteprime e sperimentazione rapida e produce tracce della durata fissa di 30 secondi. lyria-3.5-pro-preview è invece destinato alla generazione di canzoni complete, con una struttura che può comprendere strofe, ritornelli e bridge e una durata nell’ordine di alcuni minuti controllabile attraverso il prompt. Entrambi accettano input testuali e immagini e producono audio stereo ad alta fedeltà con frequenza di campionamento di 44,1 kHz.
Lyria 3.5 Pro è il modello di punta della famiglia e può generare composizioni con una struttura musicale articolata, mantenendo la coerenza tra le diverse sezioni del brano. La documentazione Google indica il supporto per vocals, testi sincronizzati temporalmente e arrangiamenti strumentali completi. L’output standard è audio MP3, mentre il modello Pro supporta anche la generazione in WAV. L’input può raggiungere 131.072 token e comprendere sia testo sia immagini, mentre il risultato può includere audio e testo dei lyrics. Il modello non supporta invece funzioni come code execution, function calling, grounding, ricerca nei file, Structured Outputs o Live API: l’interfaccia è specificamente orientata alla generazione musicale.
La generazione può essere controllata anche attraverso istruzioni strutturali. Gli sviluppatori possono fornire direttamente i lyrics e organizzarli utilizzando sezioni come Verse, Chorus e Bridge, oltre a specificare con maggiore precisione la progressione temporale del brano. I timestamp possono essere utilizzati per indicare quando deve verificarsi un cambiamento specifico, per esempio l’ingresso di uno strumento o il passaggio a una nuova sezione. Questa impostazione permette di combinare indicazioni sul genere, sul tipo di voce, sull’arrangiamento, sulla durata e sull’evoluzione temporale in un unico prompt, invece di affidare completamente al modello la struttura della composizione.
La gestione dei lyrics è stata migliorata anche sul piano linguistico. Quando il prompt viene fornito in una determinata lingua, il modello può generare il testo nella stessa lingua e adattare stile vocale e pronuncia al risultato richiesto. Google indica inoltre un miglioramento nella coerenza strutturale dei testi e nella loro aderenza alle istruzioni rispetto alle versioni precedenti. Prima della generazione dell’audio il modello elabora internamente la struttura musicale richiesta, organizzando le diverse parti della composizione prima di produrre il file sonoro finale.
Sul fronte del controllo creativo, Lyria 3.5 consente di definire tempo e durata con maggiore precisione. La famiglia è pensata per generare sia clip brevi sia brani articolati, mentre le implementazioni complete possono arrivare a circa tre minuti e mantenere una struttura coerente per tutta la durata richiesta. L’utente può scrivere direttamente i propri testi oppure chiedere al modello di generarli attorno a un soggetto o a un tema, specificando inoltre caratteristiche vocali, stile musicale e preferenze acustiche. Il miglioramento rispetto a Lyria 3 riguarda in particolare musicalità, articolazione melodica, qualità vocale, pronuncia e capacità di seguire la struttura indicata nel prompt.
L’accesso API avviene attraverso la Gemini API e la nuova Interactions API. I due modelli Lyria 3.5 sono stati resi disponibili in public preview il 3 settembre 2026, un giorno prima dell’estensione ufficiale nell’app Gemini. La documentazione di Google indica lyria-3.5-clip-preview come sostituto previsto per il precedente lyria-3-clip-preview e lyria-3.5-pro-preview come evoluzione di lyria-3-pro-preview, entrambi introdotti nel marzo 2026. Per chi necessita invece di generazione musicale continua e in streaming rimane disponibile separatamente Lyria RealTime, che non utilizza lo stesso flusso di generazione dei modelli Clip e Pro.
La generazione con Lyria 3.5 rimane attualmente single-turn. Non è quindi possibile prendere una traccia già generata e modificarla iterativamente attraverso una sequenza di prompt all’interno dello stesso processo: ogni nuova richiesta produce una nuova generazione e, anche utilizzando lo stesso prompt, i risultati possono variare. Tutti i prompt vengono inoltre sottoposti ai sistemi di sicurezza di Google. Le richieste che cercano di riprodurre la voce di artisti specifici o di generare lyrics protetti da copyright vengono bloccate, mentre i dataset e gli output sono sottoposti a sistemi di filtraggio destinati a ridurre la produzione di contenuti problematici.
Tutto l’audio prodotto con Lyria 3.5 incorpora infine SynthID, il sistema di watermarking sviluppato da Google DeepMind. Il watermark viene inserito direttamente nel contenuto audio ed è progettato per essere impercettibile all’ascolto, consentendo però ai sistemi compatibili di identificare le tracce generate o modificate tramite intelligenza artificiale. L’adozione di SynthID riguarda sia l’impiego di Lyria nei prodotti destinati agli utenti sia l’accesso attraverso gli strumenti per sviluppatori, mantenendo quindi un meccanismo comune di identificazione dei contenuti musicali generati dal modello.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)