SuperAPI AI 工具集

lyria

通用与其它

查看项目

更新于 11-15 04:50

技能介绍

Lyria 是一个用于音乐生成与校验的技能,基于 Gemini Interactions API 调用 Google Lyria 3,适合在为 OpenMontage 的 google_music 发起调用前使用。资料将其定位为单轮音乐生成工具,与用于连续实时演奏控制的实验性 WebSocket 模型 Lyria RealTime 区分开。

主要能力与模型选择

资料列出三种模型:lyria-3-clip-preview 用于提示词迭代、预览、循环和精确 30 秒素材,始终生成 30 秒 MP3,资料称为每请求 0.04 美元;lyria-3-pro-preview 用于完整歌曲、人声、较长结构或图像条件配乐,时长受提示词影响,最长约三分钟,资料称为每请求 0.08 美元;lyria-realtime-exp 用于实时连续控制的器乐演奏,走独立 WebSocket 工作流,不应通过 google_music 调用。资料还指出,当前 OpenMontage 的 google_music 适配器固定使用 lyria-3-pro-preview,不支持 Clip、WAV 响应选择、多图像或 RealTime 控制。

必需工作流

资料要求先确认音乐角色(背景、循环、器乐提示或完整歌曲),确认人声、语言、目标时长、音乐结构和交付格式,说明服务商、确切模型、预估单次成本以及调用属于探索还是最终用途,然后编写一条结构化提示词并做一次经批准的生成调用;重试应视为又一次可能计费的随机生成。返回的服务商源文件应原样保留,记录时长、格式或审批元数据前需探测实际文件并试听;若剪辑要求精确时长,应另行派生制作母版。

提示词构建

资料建议按顺序指定:用途与时长、流派与年代(用音乐词汇而非模仿在世艺术家)、速度与和声、器乐与质感、结构(时间戳段落或 [Intro]、[Verse]、[Chorus]、[Bridge]、[Outro])、动态与同步、人声策略、混音与结尾、排除项。视频配乐应使用覆盖完整目标时长的时间戳窗口,每个窗口只要求一个主要变化,并标明精确同步点。纯器乐输出应明确声明无人声、语音、合唱、哼唱、人声切片、口白采样或可辨认引用。自定义歌词时,表演指示放在独立的 Lyrics: 块之前,使用段落标签,并用演唱语言写提示词。

人声与时长校验

请求人声时需先定义人声角色、语言与文字、歌手特征(不得模仿具名艺术家)、段落行为以及歌词约定。返回的人声在试听前视为不可信,应检查歌词贴合度、语言漂移、发音、清晰度、多余和声、人声与器乐平衡以及情绪弧线。资料强调 Lyria 3 Pro 的时长由提示词和时间戳控制,不是精确 API 参数;适配器返回的 duration_seconds 是请求值而非媒体探测值,应使用 ffprobe 检查实际文件:

ffprobe -v error -show_entries \
  format=duration,format_name,bit_rate:stream=codec_name,sample_rate,channels \
  -of json output.mp3

若需要精确时长,应保留服务商源文件不动,分别记录请求时长与实测时长,在音乐上合理的边界处裁剪并加短淡出派生新母版,不得在未批准制作计划下拉伸、循环或重新生成,并记录派生过程后再次探测母版。

认证与诊断

Gemini API 常用 GEMINI_API_KEY,OpenMontage 也支持 GOOGLE_API_KEY 和 Vertex 服务账号凭据。每次运行应使用一条已知凭据路径,调试时不得打印密钥或编辑凭据文件,不要假设首个密钥被拒后会回退到第二个密钥;资料指出当前 OpenMontage 解析器中两者均非空时 GOOGLE_API_KEY 优先。403、API_KEY_SERVICE_BLOCKED 及项目或服务限制应视为认证或 Google 项目配置失败,而非提示词质量问题,不应在这类权限失败上消耗重试;仅在批准的预算与重试策略内重试瞬时限流或超时。

结果解析与记录

优先读取 interaction.output_audio;交错响应需遍历 model_output 步骤选择音频块,并单独捕获输出文本。应记录服务商与确切模型、原始提示词与图像来源、请求与实测时长、实际编解码器/采样率/声道/文件路径、单次成本与总尝试次数、是否请求人声及试听是否检出人声、服务商源文件与派生制作母版。

质量检查清单包括:提示词是否写明用途、速度、乐器、结构、动态、人声策略和结尾;时间戳窗口是否覆盖目标时长且无矛盾;是否避免艺术家模仿或版权歌词;输出文件是否存在、非空、可解码且含音频流;实际时长与技术属性是否来自探测;器乐输出是否检查出意外人声;开头、同步点、过渡与结尾是否试听;源文件是否保留且母版来源清晰;在来源重要时应说明 SynthID 水印与预览模型的不稳定性。

限制

资料未提供独立安装命令、独立官网或独立平台信息;其能力主要通过 OpenMontage 技能与 Gemini Interactions API 使用。分类为通用与其它,因为资料主要描述音乐生成技能与工作流,而非编程、前端或设计等具体分类。