mcpField
G
google-lyria

google-lyria

github.com/calesthioクリエイティブ・メディア219106 回インストール15 週間前に更新
リポジトリ

google-lyria について

Google Lyriaのモデル選択、音楽プロンプトの作成、権利やデータ取り扱いの確認を支援する制作計画向けスキルです。Lyria 3のプレビュー版と、一般提供中で器楽のみのLyria 2 APIを区別します。

主な機能

  1. 01音楽要件に応じたモデル選択
  2. 02プロンプト構成と時間指定の案内
  3. 03モデル制限とAPIルートの説明
  4. 04権利と同意の確認
  5. 05プライバシーと来歴情報の考慮事項

活用シーン

  1. 01動画用の短い音楽を制作
  2. 02時間指定のあるボーカル曲を計画
  3. 03器楽クリップ向けモデルの選択
  4. 04生成前の権利とデータ取り扱いの確認

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/calesthio/generative-media-skills --skill google-lyria

インストール後、Claude Code で/google-lyriaを入力して読み込まれたか確認します。

同梱ファイルEVAL.md

詳細

Google Lyria による音楽生成

制作計画で音楽生成プロバイダーとして Google Lyria が指定されている場合に、このスキルを使用します。適切な Lyria モデルの選択、実用的な音楽プロンプトの作成、Lyria が適さない場合の判断、動画、広告、ソーシャルクリップ、アプリ、社内コンテンツ向けに生成した音楽を安全にパッケージ化するためのものです。

このスキルの情報は、2026-07-10 時点で Google Cloud および Google DeepMind の公式情報に基づいて確認済みです。モデル ID、制限、リリース段階、料金、リージョン、ポリシーの適用状況は変更される可能性があるため、費用の確定、コンプライアンスに関する説明、製品のローンチの前に公式ドキュメントを再確認してください。

プロバイダーの範囲

確認済みの情報：

  • Lyria は Google の音楽生成モデルファミリーです。Lyria 3 はテキストプロンプトから音楽を合成し、音楽の音声とテキストの歌詞を出力することが記載されています。
  • Google Cloud のドキュメントは現在、Gemini Enterprise Agent Platform の下に掲載されており、Vertex AI / Generative AI on Vertex AI のリンクからアクセスできる場合があります。以前の Vertex AI URL が現在も同じ API 契約を示していると決めつけないでください。
  • 制作で使用する Google Cloud モデルは次のとおりです。
    • lyria-3-pro-preview：フルソングの音楽生成に対応するプレビューモデルです。
    • lyria-3-clip-preview：30 秒のクリップに対応するプレビューモデルです。
    • lyria-002：Lyria 2 です。API リファレンスでは一般提供中で、インストゥルメンタルのみと記載されています。
  • Lyria は汎用のオーディオエディター、ステム分離ツール、音楽の文字起こしツール、MIDI レンダラー、ライセンス済み音楽カタログの検索エンジンではありません。既存曲との正確なビート合わせ、著作権のある音源のリミックス、ステムの抽出、または法的な使用許可の保証が必要な場合は、別のツールを使用してください。

制作上の指針：

Lyria は新しい音楽の制作に使用し、既存曲の再現、実在するアーティストの模倣、声のクローン作成、「そっくりな音楽」の制作には使用しないでください。ブリーフに商業楽曲が挙げられている場合は、テンポ、楽器編成、エネルギーの変化、時代性、アレンジの密度、感情的な役割といった、中立的な音楽的特徴に置き換えてください。

モデルの選択

納品物に、一貫性のある楽曲や長尺の音楽ベッドが必要な場合は、lyria-3-pro-preview を使用してください。イントロ、ヴァース、コーラス、ブリッジ、ボーカルパート、タイミングに合わせた歌詞、またはシーンごとのスコアリングに対応し、長さはおよそ 3 分までです。公式ドキュメントには、このモデルの最大クリップ長は 184 秒、プロンプトあたりのクリップ数は 1、44.1 kHz、192 kbps、MP3 出力、グローバルリージョン、プレビュー段階、リリース日は 2026-03-25 と記載されています。

納品物に、素早い試作、バリエーション、ソーシャル向けの短いジングル、短い広告、UI ループ、または 30 秒のシーン用音楽ベッドが必要な場合は、lyria-3-clip-preview を使用してください。公式ドキュメントには、このモデルの最大クリップ長は 30 秒、プロンプトあたりのクリップ数は 1、44.1 kHz、192 kbps、MP3 出力、グローバルリージョン、プレビュー段階、リリース日は 2026-03-25 と記載されています。

GA 版 Lyria 2 API、または決定論的なシード設定／sample_count の動作が特に有用な場合に限り、lyria-002 を使用してください。Lyria 2 API リファレンスには、prompt、省略可能な negative_prompt、省略可能な seed、省略可能な sample_count を含む predict リクエスト、base64 WAV のレスポンス、48 kHz の WAV インストゥルメンタルクリップが記載されています。Google の「generate music」ガイドでは Lyria 2 の各クリップの長さは 32.8 秒とされている一方、Lyria API リファレンスでは 30 秒とされています。長さが重要な場合は、この不一致を制作メモに記録してください。

一般提供中であること、ネガティブプロンプト、またはプロンプトあたり複数のクリップが必要な場合は、Lyria 3 を選択しないでください。Lyria 3 のモデルページでは、ネガティブプロンプトは非対応、プロンプトあたりの最大クリップ数は 1、両方の Lyria 3 モデルのリリース段階はプレビューと記載されています。

API ルートとリクエスト形式

2026-07-10 に検証済みの、ドキュメントに記載された Lyria 3 のルート：

POST https://aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/global/interactions

Lyria 3 の最小限のリクエストパターン：

{
  "model": "lyria-3-pro-preview",
  "input": [
    {
      "type": "text",
      "text": "Create a 90-second instrumental product-launch bed..."
    }
  ]
}

Lyria 3 では、インタラクション入力配列に Cloud Storage URI または base64 データを指定して、オプションの画像入力を含めることができます。承認済みのムードボード、キービジュアル、ブランドフレーム、またはストーリーボードに、音楽に反映させるべき視覚情報が実際に含まれている場合は、画像による条件付けを使用してください。プロジェクトの Google Cloud のデータ保持およびアクセス制御で許可されていない限り、機密画像を含めないでください。

2026-07-10 に検証済みの、ドキュメントに記載された Lyria 2 のルートパターン：

POST https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/publishers/google/models/lyria-002:predict

Lyria 2 のリクエストパターン：

{
  "instances": [
    {
      "prompt": "A calm acoustic folk instrumental with gentle guitar and soft strings.",
      "negative_prompt": "drums, electric guitar",
      "seed": 98765
    }
  ],
  "parameters": {}
}

Lyria 2 では、同じリクエストで seed と sample_count を組み合わせないでください。おおよその再現性には seed を、探索には sample_count を使用してください。predictions[].audioContent を base64 からデコードし、WAV ファイルとして書き出します。

プロンプトの作成

ドキュメントに記載された制御機能：

  • Lyria のプロンプト作成ガイドでは、ジャンル、ムード、スタイルの特徴、楽器、テンポ／リズム、反復調整を含む、描写的で具体的なプロンプトを推奨しています。
  • Lyria 3 は、ボーカル、インストゥルメンタルモード、歌詞生成、ユーザー提供の歌詞、画像からの音楽生成、プロンプトの書き換え、音声の電子透かし、C2PA Content Credentials、入力フィルタリング、出力の逐語チェック、出力のボーカル類似性フィルタリングに対応しています。
  • Lyria 3 Pro は長さ、BPM、強度の制御に対応し、Lyria 3 Clip は BPM と強度の制御に対応しています。
  • Lyria 3 のボーカル生成は、英語、ドイツ語、スペイン語、フランス語、ヒンディー語、日本語、韓国語、ポルトガル語に対応しています。同じ言語が Lyria 3 モデルの技術仕様にも記載されています。
  • Lyria 3 で歌詞を指定するには、Google のプロンプトガイドに従い、モデルに歌わせる歌詞の前に Lyrics: と入力します。
  • 詳細な構成を指定するには、Google のプロンプトガイドでは [mm:ss - mm:ss] 形式のタイムスタンプ、曲のキー、BPM、強度の値を示しています。

実制作でのヒューリスティック：

キーワードの羅列ではなく、音楽制作のブリーフとしてプロンプトを作成します。納品物の用途、全体の長さ、編集要件、ジャンル／時代、楽器編成、リズム、アレンジの展開、感情面での役割、ボーカル／歌詞の境界、ミックスの制約、絶対に含めない要素を、平易な言葉で指定してください。アーティスト名を使うのは、ユーザーから明示的な許可があり、プラットフォームのポリシーでも許可されている場合に限ってください。それ以外の場合は、名前を挙げずに特徴を説明してください。

便利なプロンプト項目：

Purpose: where the track will be used and what it must do for the edit.
Duration: target length and whether it must resolve cleanly.
Mode: instrumental, vocal, generated lyrics, or user-provided lyrics.
Style: genre, era, geography, arrangement density, production finish.
Tempo/rhythm: BPM or tempo feel; straight/swing/syncopated; beat drop timing.
Instrumentation: lead instruments, supporting textures, drums/percussion, bass.
Emotion: audience feeling at each section.
Structure: timestamped sections, intensity, key, transitions, ending.
Mix notes: leave space for narration/dialogue, avoid harsh highs, keep low-end controlled.
Rights/safety: avoid named-artist imitation, recognizable melodies, quoted lyrics, or vocal likeness.

映像に音楽を付ける場合は、編集タイムラインに沿ってプロンプトを作成します。曖昧なスタイルのラベルではなく、時間指定した感情の変化を伝えてください。

Create a 60-second instrumental bed for a SaaS launch video, 96 BPM, modern electronic-pop with warm analog synths, muted guitar pulses, soft sub bass, and clean handclaps. Leave room for spoken narration: no lead vocal, no busy top-line melody, no harsh risers.

[00:00 - 00:08] Curious intro: filtered synth pulse, low intensity 2/10, a sense of possibility.
[00:08 - 00:22] Product reveal: add tight percussion and brighter chord stabs, intensity 4/10.
[00:22 - 00:42] Momentum: fuller drums, confident bass movement, optimistic but not cheesy, intensity 6/10.
[00:42 - 00:55] Proof and trust: pull back the lead melody, keep groove steady for VO clarity, intensity 4/10.
[00:55 - 01:00] Logo resolve: clean final cadence with a short reverb tail that can be cut at exactly 60 seconds.

Lyria 3 Pro でボーカル曲を作る場合は、ボーカルのブリーフを明確に指定します。

Create a 2-minute, 30-second upbeat pop-soul song for a brand anthem. Warm, confident, human, not theatrical. 112 BPM, A major, live bass, tight drums, bright piano, subtle brass swells. Female alto lead vocal in English, expressive but natural, with a small backing group only in choruses. Avoid any named-artist resemblance.

Lyrics:
Verse 1:
We built a light for the long way home
...

[00:00 - 00:12] Intro: piano hook, no vocal, intensity 2/10.
[00:12 - 00:40] Verse 1: intimate lead vocal, sparse groove, intensity 3/10.
[00:40 - 01:05] Chorus: backing vocals answer the last line of each phrase, intensity 7/10.

Lyria 2 のインストゥルメンタルクリップでは、Lyria 3 形式の未対応の否定的な指示ではなく、negative_prompt を使用してください。

{
  "instances": [
    {
      "prompt": "A 30-second cinematic ambient instrumental bed for a healthcare explainer: gentle felt piano, warm pads, slow pulse, calm trust, minimal melody, soft ending.",
      "negative_prompt": "vocals, choir, drums, suspense, dissonance, celebrity artist style",
      "seed": 412991
    }
  ],
  "parameters": {}
}

権利、同意、商用利用に関する確認事項

生成の前に、以下を確認してください。

  • ユーザーは商用利用、放送、有料広告、プラットフォームでの収益化、またはクライアントへの納品を必要としていますか？ 必要としている場合は、適用される Google Cloud 契約、製品のリリース段階、クライアントの法務ポリシーを確認してください。Lyria 3 はプレビュー版です。Google Cloud のドキュメントでは、顧客は Google Cloud の利用契約に従い、このプレビュー提供版を本番環境または商用目的で使用することを選択できると記載されています。
  • プロンプトは、特定のアーティスト、著名人、存命の人物、遺産管理者が権利を管理する声、特定の楽曲、引用された歌詞、レコード会社のカタログ、著作権で保護されたメロディ、または「完全に同じ音にする」という指示を求めていますか？ 求めている場合は、停止して権利の証明を求めるか、中立的な音楽的特徴を使った表現に書き換えてください。
  • ユーザーが提供した歌詞は、オリジナル、ライセンス取得済み、パブリックドメイン、またはその他の方法で使用許諾を得ていますか？ そうでない場合は、使用しないでください。
  • 依頼内容に、欺瞞、開示のないなりすまし、誤解を招く出所表示、センシティブな政治的説得、ヘイト、性的コンテンツ、自傷行為、違法行為、またはプライバシー／知的財産権の侵害が含まれていますか？ Google の生成 AI の禁止されている使用に関するポリシーが適用されます。
  • 出力に出所の開示が必要ですか？ 公開コンテンツやクライアント向けコンテンツでは、可能な限り SynthID と C2PA を保持し、プラットフォーム、クライアント、管轄区域の要件に従って、AI 生成の音楽であることを開示してください。

本番環境での指針：

Lyria の出力は、通常の権利確認が引き続き必要な生成アセットとして扱ってください。ウォーターマーク、フィルター、補償に関する条項があっても、あらゆる広告、地域、ライセンスの条件で特定のトラックが使用できることが保証されるわけではありません。

プライバシー、セキュリティ、データ保持

Google Cloud の動作に関する公開情報。2026-07-10 に確認済み：

  • Google Cloud は、Gemini Enterprise Agent Platform 上の GA モデルおよびプレ GA モデルを含むマネージドモデルについて、事前の許可または指示なしに、顧客データを AI／ML モデルのトレーニングやファインチューニングに使用しないとしています。
  • リクエストとレスポンスのロギングはデフォルトで無効ですが、モデルおよびプロジェクトごとに有効にできます。データを一切保持しないことを目指す場合は、無効のままにしてください。
  • Google Cloud Platform の利用規約が適用される一部の状況では、Google モデルの不正利用監視のために Google がプロンプトを記録する場合があります。データを一切保持しないことを求める顧客は、例外を申請する必要がある場合があります。
  • Google が公開している Gemini モデルのインメモリキャッシュは、プロジェクトごとに分離され、保存時には保持されず、TTL が 24 時間であり、プロジェクト単位で無効にできると説明されています。データ保持が一切ないと主張する前に、これが該当する Lyria エンドポイントにも適用されるか確認してください。

本番環境での影響：

  • プロジェクトのデータガバナンスで許可されていない限り、未公開の歌詞、機密性の高い脚本、個人ユーザーデータ、未発表の製品名、ライセンス取得済みの参照画像をプロンプトに含めないでください。
  • 生成した音声、プロンプト、モデル ID、タイムスタンプ、参照画像をプロジェクトのアセット台帳に保存してください。未公開のキャンペーン音声と同様に、アクセスを制限してください。
  • 業務が規制対象である場合や NDA の対象である場合は、使用するエンドポイント、リージョン（ドキュメントに記載された Lyria 3 の global）、ロギング設定、データ保持に関する前提、承認者を正確に記録してください。

出所と成果物の管理

確認済みの事実：

  • Google は、Lyria の音声に SynthID の電子透かしが埋め込まれていると説明しています。DeepMind は、SynthID の音声透かしは人間には聞こえず、ノイズの追加、MP3 圧縮、速度変更といった一般的な加工に耐えられるよう設計されていると説明しています。
  • Lyria 3 のモデル仕様では、Content Credentials（C2PA）がサポート対象として記載されています。
  • Google の Content Credentials に関するドキュメントでは、C2PA に対応していないツールを使って C2PA 準拠のメディアファイルを変更すると、検証に失敗することがあると説明されています。

管理ワークフロー：

  1. プロバイダーから返されたままの状態で、生の出力を保存します。
  2. メディアファイルの外部に、サイドカーの制作記録を保存します。プロバイダー、モデル ID、エンドポイント、プロンプト、画像の参照情報、リクエスト時刻、利用可能な場合はレスポンス ID、出力ファイル名、長さ、サンプルレート／ビットレート、安全性や拒否に関するメモ、レビュアーを記録します。
  3. トリミング、ラウドネスのノーマライズ、ループ化、動画への多重化を行う前に、生データのコピーを保持します。
  4. 編集したファイルを書き出す際は、通常の音声／動画ツールによって C2PA メタデータが削除される可能性があることを記録します。最終的な MP4 から埋め込みクレデンシャルが失われても、出所確認のために生の成果物を保持します。
  5. SynthID や C2PA によってトラックが改ざん不能になるとは主張しないでください。法的または科学捜査上の証拠ではなく、出所確認の補助として提示します。

制作向け音楽 QA

生成したトラックは、使用する前に確認します。

  • プロンプトへの適合性：長さ、構成、楽器、BPM／テンポ感、ボーカルや歌詞の選択、言語、シーンのタイミング。
  • 編集での使いやすさ：明瞭なイントロ、ナレーションの途中から始める場合に不自然な音の立ち上がりがないこと、使いやすいエンディング、ループの可能性、編集で必要な場合は十分なステム／バージョンがあること。
  • ミックスの安全性：ヘッドルーム、低域の制御、耳に刺さる高域がないこと、主旋律がナレーションと競合しないこと、インストゥルメンタルを指定した場合にボーカルが入らないこと。
  • 権利上のリスク：既存のメロディーや歌詞の一部を認識できる形で使用していないこと、特定のアーティストや著名人の声に似せていないこと、特定性が高すぎるスタイル模倣でないこと。
  • ブランドとの適合性：感情的なトーンが製品やオーディエンスに合っていること。意図しないユーモア、脅威的な印象、官能性、文化的な不一致がないこと。
  • プラットフォームとの適合性：最初の数秒でショートフォーム向けのフックがあること、ロゴ表示がきれいに収束すること、マスタリング後のラウドネス目標が安全な範囲にあること、ライセンス未取得のサンプルがないこと。
  • 出所：生の出力が保存されていること、リクエストのメタデータが記録されていること、AI 生成の開示情報と電子透かし／C2PA のメモが保持されていること。

反復調整の方法：

  • トラックがごちゃついている場合は、主旋律を担う楽器を減らし、「アンダースコア」を依頼して、「ナレーションのための余白を残す」と指定し、強度を下げます。
  • 感情の流れが合わない場合は、タイムスタンプ付きのシーンの役割と強度の数値を追加します。
  • 望まないボーカルが入る場合は、Lyria 3 のインストゥルメンタルモードの表現を使用します。Lyria 2 では、negative_prompt: "vocals, choir, spoken words" を追加します。
  • エンディングが使いにくい場合は、終止感のある最後のカデンツと短いリバーブの余韻を依頼します。
  • 有名なアーティストを思わせる仕上がりの場合は、そのアーティストに寄りすぎるような時代／ジャンルの組み合わせを取り除き、「特定のアーティストを想起させない」と追加します。

例：Lyria のモデル選択

ユーザーの依頼：「45秒の有料ソーシャル広告向けのバックグラウンドミュージックを作ってください。歌詞は不要です。ナレーションの下に流し、最後にロゴを印象づける必要があります。」

推奨される判断：

広告に正確な45秒の構成と、シーンのタイミングに合わせた音楽が必要な場合は、lyria-3-pro-preview を使用します。30秒のキューを編集でループまたは延長できる場合に限り、lyria-3-clip-preview を使用します。GA ステータスがプロジェクトで必要で、インストゥルメンタルのみの出力で問題ない場合は lyria-002 を使用します。ただし、長さが約30秒の WAV になることや、編集が必要になる可能性を見込んでください。

プロンプト：

Create a 45-second instrumental bed for a paid social ad under spoken narration. Modern optimistic electronic-pop, 104 BPM, warm analog synth chords, muted guitar pulse, tight light percussion, controlled sub bass. No vocals, no choir, no spoken words, no lead melody that competes with narration. Confident, premium, friendly, not childish.

[00:00 - 00:05] Hook: immediate soft pulse and warm chord, intensity 3/10.
[00:05 - 00:20] Problem/setup: restrained groove, lots of space for VO, intensity 4/10.
[00:20 - 00:36] Product benefits: fuller drums and brighter synth layers, intensity 6/10.
[00:36 - 00:45] Logo resolve: pull back slightly, clean uplifting cadence, final hit at 00:43 with a short tail ending by 00:45.

QA での重点項目：

生成されたボーカルのような質感がないこと、ロゴに合わせた終止が編集に十分な精度で収まること、モバイルプラットフォーム向けの圧縮後も音楽がナレーションを覆わないことを確認します。

主要な公式情報源

コメント

Markdown 対応