用途
Lyria 技能用于指导通过 Gemini Interactions API 使用 Google Lyria 生成音乐，并在调用 OpenMontage 的 google_music 之前完成模型选择、提示词设计和结果校验。资料说明，Lyria 3.5 与 Clip 是单轮音乐生成模型，应与 Lyria RealTime 区分开；后者是用于持续操控器乐演奏的实验性 WebSocket 模型。
主要能力与模型选择
技能给出按需求选型的对照：lyria-3-clip-preview 始终生成 30 秒 MP3，适合提示词迭代、预览、循环和精确 30 秒素材；lyria-3.5 适合完整歌曲、人声、更长结构和图像条件乐谱，时长受提示词影响；lyria-3-pro-preview 为遗留模型，使用前需确认可用性；lyria-realtime-exp 走独立的 WebSocket 工作流，不应经 google_music 路由。资料列出 Gemini Developer API 于 2026-10-10 核对的参考价格（Clip 每次请求 0.04 美元，3.5 与 Pro 预览每次请求 0.08 美元），并明确这不是对所有后端或未来请求的保证。当前 OpenMontage google_music 适配器接受 model="lyria-3.5"（默认）或 model="lyria-3-pro-preview"，不暴露 Clip、WAV 响应选择、多图与 RealTime 控制；其 Lyria 3.5 成本估算器需要当前价格报价，不能沿用遗留估算。
使用方式 技能规定了一套必需的工作流程：确认音乐角色（铺垫、循环、器乐提示或完整歌曲）；确认人声、语言、目标时长、音乐结构与交付格式；声明提供方、确切模型、预估单次请求成本和本次调用是探索性还是最终性；按约定写一条结构化提示词；执行一次获批的生成调用（重试视为另一次可能计费的随机生成）；原样保留返回的提供方源文件；在记录时长、格式或批准元数据前先探测实际文件并试听；若剪辑需要精确时长，再派生独立的制作母带。提示词按顺序覆盖用途与时长、流派与年代（使用音乐词汇而非模仿在世艺人）、速度与和声、乐器与质感、结构（时间戳或 [Intro]/[Verse]/[Chorus] 等段落）、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全时长的时间戳窗口，每个窗口一个主要变化并标明精确同步点；纯器乐输出需明确排除主唱、伴唱、语音、合唱、哼唱、人声切片、口语采样与可识别引用；自定义歌词需将表演指示置于独立 Lyrics: 块之前并使用段落标签，提示词应使用演唱语言。人声需预先定义角色、语言与文字、歌手画像（不得模仿具名艺人）、段落行为与歌词约定，并在试听后检查歌词遵循度、语言漂移、发音、可懂度、多余伴唱与人声/乐器平衡。时长方面，完整歌曲时长通过提示词与时间戳控制而非精确 API 参数；适配器会附加目标时长指令并将请求时长限制在 5–184 秒，但返回的 duration_seconds 是请求值而非媒体探测值。资料给出 ffprobe 命令用于检查格式、时长、码率、编解码器、采样率与声道；若需精确时长，应保持提供方源文件不变、分别记录请求与实测时长、在音乐上合理的边界裁剪并施加短淡入淡出派生新母带、不得在未获批准的制作方案下拉伸、循环或重新生成，并再次探测。
鉴权与诊断
Gemini API 常用 GEMINI_API_KEY，OpenMontage 还支持 GOOGLE_API_KEY 与 Vertex 服务账号凭据；每次运行使用一条已知凭据路径，调试时不得打印密钥或修改凭据文件；不要假定首个密钥被拒后会落到第二个密钥。API 密钥路径下，两者均非空时 GOOGLE_API_KEY 优先；GOOGLE_GENAI_USE_VERTEXAI=true/1 或 GOOGLE_GENAI_USE_ENTERPRISE=true/1 会选择 Vertex，无 API 密钥但配置了服务账号文件时也会选择 Vertex。403、API_KEY_SERVICE_BLOCKED 与项目/服务限制属于鉴权或 Google 项目配置失败，不应通过重试解决；仅对瞬时限流或超时在获批的重试与预算策略内重试。
结果解析与记录
优先读取 interaction.output_audio；对于交错响应遍历 model_output 步骤选择音频块，并在相关时单独捕获输出文本。记录提供方与确切模型、原始提示词与图像来源、请求与探测时长、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测到人声、提供方源文件与单独派生的制作母带。质量清单要求提示词涵盖用途、速度、乐器、结构、动态、人声策略与结尾；时间戳窗口覆盖目标时长且无矛盾；不要求模仿艺人或使用受版权保护歌词；输出文件存在、非空、可解码且含音频流；实际时长与技术属性来自探测而非请求元数据；器乐输出检查是否混入人声；试听开头、同步点、过渡与结尾；保留未改动源文件并使制作母带具有明确来源。在溯源重要时，需注意 SynthID 水印与预览模型的不稳定性。
限制 资料未提供 Lyria 的独立网页界面、定价页或完整参数列表；不同后端与未来请求的价格、模型可用性、适配器对 Clip/WAV/多图/RealTime 的支持情况均以资料所述为准，其余细节暂未提供。