Lyria 3 Pro 擅长什么——又不擅长什么

Lyria 3 Pro 是让 AI 音乐终于从 loop 生成器变成全曲制作工具的模型。AI 音乐史上大部分时间里,输出要么是 30 秒片段、要么是无结构的背景床、要么是无人声的器乐底。Lyria 3 Pro 生成最长 3 分钟的完整歌曲,带真正一首曲子的结构标志:intro、主歌、副歌、bridge、outro——每一段都作为独立音乐段落渲染,带流派惯例的能量、配器、人声落位。这就是模型从"背景填充"变成"品牌主题曲、片头、预告配乐、原创流行制作可用"的分界线。

把 Lyria 3 Pro 和此前世代及竞品拉开的能力是结构控制。你在 prompt 里显式写出歌曲蓝图——intro、主歌 1、副歌、主歌 2、副歌、bridge、副歌、outro——模型严格按这个结构执行。这就是"AI 音乐漫无目的循环"和"AI 音乐能在特定时点击中特定电影感节拍"的差别。对预告片制作方、广告音乐、游戏配乐、任何配乐必须按 cue 落地的场景,工作流从"生成、手工剪辑、手工重排"变成"prompt 出结构,生成终稿"。

带多语种歌词的人声是原生能力,覆盖 8 种语言:英语、德语、西语、法语、印地语、日语、韩语、葡语。写好歌词、标好语言,Lyria 3 Pro 生成歌手演唱——带时间对齐,你控制每句相对歌曲结构的进入时机。同一作曲可以出多语种版本,人声按语言重渲而器乐床保持一致。对要跨这 8 个市场投放的品牌项目,这相当于 Eleven V3 在口语层做的事在歌唱层做了一遍。(中文人声暂不支持,中文市场建议走纯器乐配乐。)

关注度较低但重要的第三个能力是多模态影响。上传参考图——一张海报、一帧电影截图、一块情绪板——Lyria 3 读取氛围作为音乐方向。黑色电影海报翻译成阴沉、克制、爵士影响的配乐;沐浴阳光的沙滩场景翻译成欢快的热带配器。这件事不常见:大多数音乐模型接受情绪的文本描述,但从视觉参考读取氛围,只有 Lyria 在旗舰质量下能做。

它弱在哪:更短的背景 loop 用标准 Lyria 3(非 Pro)档或 MiniMax Music V2.6 这类模型效率更高。音效或一次性 sting 用 ElevenLabs Sound Effects V2 这类专门模型更合适。Lyria 3 Pro 的甜点区是带人声的全曲、结构复杂的配乐、视觉影响的作曲。

一个合理的心理模型:只要交付物是带结构的真歌——歌曲、主题曲、片头、配乐——默认选 Lyria 3 Pro。要 loop、音效、背景就换轻档模型。