GoogleがBPMコントロールと強化されたボーカルを備えたLyria 3.5をFlow Musicに出荷

Why it matters

Google is using an acquired founder-built product as the distribution layer for DeepMind's music models. The competitive contest is shifting toward editing control, distribution and licensing alongside audio quality.

Google は7月29日に Lyria 3.5 を Flow Music に導入し、DeepMind の最新音楽モデルを Seth Forsgren と Hayk Martiros が構築した AI 音楽スタジオに組み込みました（このスタジオは Google が今年初めに彼らのスタートアップを買収する前に作られたものです）。

https://x.com/googleflowmusic/status/2082496617664413721?s=46

In a thread on X, Google said Lyria 3.5 produces more expressive singing, richer arrangements and tracks that follow creative instructions more closely. The release also adds direct BPM control, giving musicians a way to specify tempo instead of repeatedly generating songs until the model lands near the intended pace.

The Lyria product page identifies 3.5 as the latest model in the family and says it supports variable song lengths of up to three minutes. Google's demonstrations span several languages and genres, with prompts specifying tempo, key, vocal placement, instrumentation and production style.

DeepMind's model card covers Lyria 3 and subsequent versions. It describes a text-to-audio system that applies latent diffusion to temporal audio representations, with text prompts as inputs and music and lyrics as outputs. The model card says Google evaluates the family for audio fidelity, musical quality, vocals and prompt adherence.

趣味のプロジェクトから Google の音楽製品へ

Forsgren と Martiros は Princeton の学部生時代に出会い、約10年間アマチュアバンドで一緒に演奏していました。2022年12月、彼らは Riffusion をリリースしました。これは Stable Diffusion のバージョンを用いてスペクトログラム画像を生成し、それを短いオーディオクリップに変換する趣味のプロジェクトでした。

このプロジェクトは十分な利用を呼び、スタートアップへと発展しました。Riffusion は Greycroft、South Park Commons、Sky9 Capital から 2023年10月に400万ドルを調達しました、その後 ProducerAI へと進化し、曲全体を生成・改訂するための会話型システムになりました。

Google は 2月24日に ProducerAI を買収し、同社の人員を Google Labs と Google DeepMind に移しました。Forsgren は現在 Google Flow Music のグループプロダクトマネージャーを務めています。Riffusion を立ち上げる前に Skydio でほぼ10年間自律ドローンの開発に携わっていた Martiros は、Lyria モデルファミリーの寄稿者の一人として名を連ねています。

Google は当初、ProducerAI を Lyria 3、Gemini、Veo、およびその Nano Banana 画像モデルで駆動される製品として説明していました。後にこのサービスは Flow Music と改名され、創業者たちの会話型編集インターフェースを Google のモデル群に直接つなげました。

コントロールこそが製品

Lyria 3.5 の BPM 設定は、Forsgren と Martiros が Riffusion 以来追求してきた戦略に合致します：生成を反復的な制作プロセスに変えることです。Flow Music は既に、楽曲構成の改訂、ミックスの変更、選択したセクションの差し替え、カバーの作成、自然言語によるトラックの延長をユーザーに許容しています。Google の 製品ドキュメント には、イントロを短くする、ブリッジを追加する、楽器を変更する、キックを目立たせるといった例が掲載されています。

そのワークフローは、ワンショットのテキストプロンプトを超えるルートを Google に提供します。ミュージシャンはドラフトを生成し、セクションを選択して Producer エージェントに残りを保持したままその部分を差し替えるよう依頼できます。Flow Music はまた、アップロードされたオーディオや画像、ダウンロード可能なステム、ミュージックビデオ、楽器やエフェクト、シーケンサーとして機能するユーザー作成の Spaces をサポートします。

Google は既にこの製品に対して直接課金を行っています。Flow Music の 現行の価格設定 は無料のティアと月額6ドルから48ドルまでの有料プランを含みます。有料プランは生成クレジットと同時実行数を増やし、最上位プランは新機能への早期アクセスを含みます。

流通も業界パートナーシップを通じて進んでいます。5月6日、Google は Believe と TuneCore との合意を発表し、選ばれたアーティスト、プロデューサー、作曲家に Flow Music へのアクセスを提供しました。両社はまた、現役ミュージシャンを製品開発に取り込むための週次フィードバックプログラムも作成しました。

著作権争いはすべてのモデル公開に続く

Lyria 3.5 は、Google の音楽生成の取り組みが提起された著作権集団訴訟に直面している中で登場しました。3月6日に提出された訴状は、Google が原告の音楽を表す4,400万のクリップ、合計280,000時間を無断で Lyria の訓練に使用したと主張していると、Bloomberg Law は報じています。これらの数字は原告側の主張であり、裁判所によって確定されたものではありません。

Google は、自社の音楽モデルが Google および YouTube が利用規約、パートナー契約、適用法の下で使用する権利を有する素材を使用していると述べています。会社はまた、生成されたトラックに SynthID を埋め込み、AI生成またはAI編集されたコンテンツを識別するためのウォーターマークを付与しています。

このモデルのアップグレードは、Forsgren と Martiros が4年弱前にオープンソースの実験として始めた製品を前進させるものです。Google の下で、そのプロジェクトは有料のクリエイションスイート、DeepMind モデルの流通チャネル、会話型編集が最初のプロンプトを超えて生成音楽を実用的にできるかどうかを試すテストへと発展しました。