Google DeepMind「Lyria 3」——音楽生成AIを「楽器」として再定義する、テキスト・画像入力対応の新モデル
Googleが新たな音楽生成モデル「Lyria 3」を発表した。テキストや画像を入力として高品質な音楽を生成するこのモデルは、Geminiアプリを通じて広く利用可能になる。本稿では、GoogleのRelease Notesポッドキャストでチームが語った内容をもとに、Lyria 3の特徴と可能性を整理する。
1. Lyria 3とは何か
Lyria 3は、Googleの音楽生成モデルの最新版だ。テキストプロンプトや画像を入力として受け取り、音楽を生成する。チームはこのモデルを「新しい楽器」と表現している。
開発者のJeffは、自身の経験を踏まえてこう語る。「楽器と同様に、使いこなすほど上達する。自分のスタイルを表現するための独自の操作方法が見えてくる」。
音楽制作の経験がない人でも、「ファンキーなジャム」「夜の都市の雰囲気」といった言葉でプロンプトを入力すれば、モデルがその意図を音楽に変換する。細かい音楽用語を知らなくても、ビジョンや感情を伝えるだけで出発点となる。
2. Lyria 3の主な特徴
2-1. 高度な言語理解とプロンプトの柔軟性
Lyria 3の開発で特に力を入れたのが、テキストと音楽の結合だ。Jasonはこう説明する。「Imagine 3やNano Bananaで画像生成においてやったことと同様に、言語の記述と実際の出力の間に密接なつながりを構築することに注力した。長いコンテキストのプロンプトに対応しており、細かいニュアンスも表現できる」。
絵文字や変わった句読点を使ってプロンプトを工夫することで、予期せぬ面白い音楽が生まれることもあるという。
2-2. ボーカルと歌詞の生成
Lyria 3は、インストゥルメンタルだけでなく、歌詞付きの楽曲も生成できる。デモで披露された「ポップとラップの融合、メロディックなフック、レイトナイトの都市的な雰囲気」というシンプルなプロンプトから生成された楽曲は、女性ボーカルとハーモニーを含む完成度の高いトラックだった。
Myriam氏はこのプロセスを「共同創作」と表現する。「最初から完璧なビジョンがなくても、聴きながら方向性が見えてくる。それが音楽制作の醍醐味でもある」。
2-3. リアルタイム生成モデルとの棲み分け
Googleは、すでにAI StudioでLyria Real-Timeを提供している。リアルタイムモデルが「その場でサウンドスケープを彫刻する」感覚であるのに対し、Lyria 3はより構成的な楽曲生成に適している。チームはこれらを対立するものではなく、音楽制作という連続したスペクトラムの中に位置づけている。
3. 評価の難しさ——音楽の「良さ」をどう測るか
音楽の質をどう評価するかは、画像や動画以上に難しい課題だ。チームは広範な人材プール（一般ユーザーから音楽専門家まで）を用いた人間評価を実施している。
評価軸はプロンプトへの忠実度、音楽的な質（ボーカル、楽器、音質）、そして全体的な完成度だ。Myriam氏が指摘するように「音楽は早送りできない。最初から最後まで聴かなければ判断できない」という点が、評価の質と手間を決定づけている。
4. 開発者と一般ユーザーへの可能性
4-1. 開発者向けの活用アイデア
APIを通じたLyria 3の活用について、チームはさまざまな可能性を挙げた。火山の映像を分析して楽曲に変換するアプリ、子供の音楽教育ツール、音楽療法士のトレーニング支援などが具体例として語られた。
「宇宙のあらゆるものをモデルが理解できる形に変換して、唯一無二の音楽を生み出せる。それは宇宙に存在したことがない音楽だ」とJasonは語る。
4-2. 音楽的素養がなくても始められる
音楽用語を知らなくても、まずGeminiにイメージを伝えてプロンプトを一緒に作ることができる。この「言語を通じた音楽との接点」が、これまで音楽制作に縁がなかった人々への入口となる可能性がある。
5. Lyria 3の今後
チームが描く次のステップは、編集と生成のより緊密な統合だ。ギターの演奏を入力として、それに合ったドラムビートや歌詞を生成するといった、より対話的な音楽制作体験を目指している。
また、DAW（デジタルオーディオワークステーション）のような専門ツールを使わずとも、自然な会話を通じて音楽を構成できる「AIファーストのワークフロー」の実現も視野に入れている。
Jeffは、モデルに求める性質を「weirdable（奇妙にできること）」と表現した。型にはまらない実験的な音楽表現を可能にすることが、このモデルの目指す一つの姿でもある。
音楽は、太古の骨製フルートから現代のDAWまで、常に新しい表現の道具と共に進化してきた。Lyria 3はその系譜に加わる新しい楽器として、専門家から初心者まで、それぞれの出発点から音楽との接点を広げる可能性を持っている。
