mcpField
G
google-lyria

google-lyria

github.com/calesthio创意与媒体219106 次安装15 周前更新
代码仓库

关于 google-lyria

面向制作规划的技能，用于选择 Google Lyria 模型、编写音乐提示词，并检查版权与数据处理要求。它区分 Lyria 3 预览模型和正式可用、仅生成器乐的 Lyria 2 API。

主要功能

  1. 01按音乐需求选择模型
  2. 02指导提示词结构与时间安排
  3. 03说明模型限制和 API 路由
  4. 04涵盖版权与同意检查
  5. 05介绍隐私和来源信息注意事项

适用场景

  1. 01为视频制作短配乐
  2. 02规划带时间段的演唱歌曲
  3. 03为器乐片段选择模型
  4. 04生成前审查版权与数据处理

安装

复制下面的命令，在终端中运行。

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

安装后在 Claude Code 中输入/google-lyria确认已加载。

附带文件EVAL.md

详细介绍

Google Lyria 音乐生成

当制作计划将 Google Lyria 作为音乐生成服务提供方时，请使用此技能。此技能用于选择合适的 Lyria 模型、编写可用的音乐提示词、判断何时不适合使用 Lyria，以及安全地打包生成的音乐，用于视频、广告、社交媒体短片、应用或内部内容。

此技能中的事实已于 2026-07-10 根据 Google Cloud 和 Google DeepMind 的官方资料核实。模型 ID、限制、发布阶段、定价、区域和政策行为都可能变化；在确定支出、合规声明或产品发布计划前，请重新核查官方文档。

服务提供方边界

已记录的事实：

  • Lyria 是 Google 的音乐生成模型系列。文档说明，Lyria 3 可根据文本提示合成音乐，并输出音乐音频和文本歌词。
  • Google Cloud 文档目前位于 Gemini Enterprise Agent Platform 下，也可能通过 Vertex AI / Generative AI on Vertex AI 链接访问。不要假设较早的 Vertex AI URL 意味着 API 合约未发生变化。
  • 与生产相关的 Google Cloud 模型包括：
    • lyria-3-pro-preview：用于生成完整歌曲的预览模型。
    • lyria-3-clip-preview：用于生成 30 秒短片的预览模型。
    • lyria-002：Lyria 2，API 参考文档注明其已正式发布，且仅支持器乐。
  • Lyria 不是通用音频编辑器、分轨分离器、音乐转录工具、MIDI 渲染器或授权曲库搜索引擎。如果用户需要与现有歌曲精确匹配节拍、混制受版权保护的源音乐、提取分轨或获得有保障的法律许可，请使用其他工具。

制作上的建议：

使用 Lyria 创作新音乐，而不是复刻现有歌曲、模仿名人艺术家、克隆声音或制作“仿作”。如果需求中提及商业曲目，请将其转化为中性的音乐属性：节奏、乐器配置、能量曲线、时代风格、编曲密度和情绪作用。

模型选择

如果交付内容需要完整连贯的歌曲或较长的背景音乐，请使用 lyria-3-pro-preview：例如前奏、主歌、副歌、过渡段、人声部分、定时歌词，或时长约三分钟以内的分场配乐。官方文档列出的该模型限制为：最长片段 184 秒，每个提示词生成一个片段，44.1 kHz、192 kbps、MP3 输出，全球区域，预览发布阶段，发布日期为 2026-03-25。

如果交付内容需要快速探索、生成变体、社交媒体短促音效、短广告、UI 循环音频或 30 秒场景配乐，请使用 lyria-3-clip-preview。官方文档列出的限制为：最长片段 30 秒，每个提示词生成一个片段，44.1 kHz、192 kbps、MP3 输出，全球区域，预览发布阶段，发布日期为 2026-03-25。

只有当任务特别适合使用正式发布的 Lyria 2 API，或需要确定性随机种子 / sample_count 行为时，才使用 lyria-002。Lyria 2 API 参考文档说明，其 predict 请求支持 prompt、可选的 negative_prompt、可选的 seed、可选的 sample_count，并返回 base64 编码的 WAV 音频，且生成 48 kHz 的器乐片段。Google 的“generate music”指南称，每个 Lyria 2 片段时长为 32.8 秒；Lyria API 参考文档则称片段为 30 秒。如果时长很重要，请在制作备注中记录这一差异。

如果任务要求模型已正式发布、支持负向提示词或每个提示词生成多个片段，请勿选择 Lyria 3。Lyria 3 模型页面注明，Lyria 3 不支持负向提示词，每个提示词最多生成一个片段，且两个 Lyria 3 模型都处于预览发布阶段。

API 路由和请求格式

已记录的 Lyria 3 路由，核实日期：2026-07-10：

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

Lyria 3 的最简请求模式：

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

Lyria 3 可以在交互输入数组中通过 Cloud Storage URI 或 base64 数据添加可选图像输入。当经过批准的情绪板、主视觉、品牌画面或故事板确实包含应影响音乐的视觉信息时，请使用图像条件控制。除非项目的 Google Cloud 数据保留和访问控制允许，否则请勿包含机密图像。

已记录的 Lyria 2 路由模式，核实日期：2026-07-10：

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

Lyria 2 请求模式：

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

对于 Lyria 2，请勿在同一请求中同时使用 seed 和 sample_count。使用 seed 实现近似可复现，使用 sample_count 进行探索。将 base64 格式的 predictions[].audioContent 解码并写入 WAV 文件。

提示词构建

已记录的控制项：

  • Lyria 提示词指南建议使用描述具体的提示词，包含流派、情绪、风格特征、乐器、速度／节奏和迭代要求。
  • Lyria 3 支持人声、纯器乐模式、歌词生成、用户提供的歌词、图像转音乐、提示词改写、音频水印、C2PA Content Credentials、输入过滤、输出复述检查和输出人声相似度过滤。
  • Lyria 3 Pro 支持时长、BPM 和强度控制；Lyria 3 Clip 支持 BPM 和强度控制。
  • Lyria 3 人声生成支持英语、德语、西班牙语、法语、印地语、日语、韩语和葡萄牙语。Lyria 3 模型技术规格中也列出了这些语言。
  • 要在 Lyria 3 中提供歌词，Google 的提示词指南建议在模型应演唱的歌词前输入 Lyrics:。
  • 对于详细结构，Google 的提示词指南展示了 [mm:ss - mm:ss] 格式的时间戳、歌曲调性、BPM 和强度值。

制作启发式方法：

将提示词写成音乐需求简报，而不是关键词堆砌。用通俗语言说明交付内容的用途、总时长、剪辑要求、流派／时代、配器、节奏、编曲走向、情绪功能、人声／歌词边界、混音限制和严格排除项。仅当用户明确授权且平台政策允许时才使用知名艺人的名字；否则请描述特征，不要提及姓名。

实用提示词要素：

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.

为视频配乐时，请依据剪辑时间线编写提示词。提供带时间码的情绪变化，而不是含糊的风格标签：

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.

为 Lyria 3 Pro 创作人声歌曲时，请明确说明人声需求：

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.

为 Lyria 2 创作器乐片段时，请使用 negative_prompt，不要使用 Lyria 3 风格中不受支持的负向指令：

{
  "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": {}
}

权利、同意与商业用途准入

生成前，请检查：

  • 用户是否需要用于商业用途、广播、付费广告、平台变现或交付给客户？如果是，请核实适用的 Google Cloud 协议、产品发布阶段和客户法律政策。Lyria 3 处于预览阶段；Google Cloud 文档指出，客户可以选择将此预览服务用于生产或商业用途，但须遵守其访问 Google Cloud 时所依据的协议。
  • 提示词是否要求模仿某位具名艺术家、名人、在世人士、由遗产管理方控制的声音、特定歌曲、引用的歌词、唱片公司曲库、受版权保护的旋律，或要求“听起来一模一样”？如果是，请停止并要求提供权利证明，或改写为中性的音乐特征。
  • 用户提供的歌词是否为原创、已获许可、属于公有领域，或已通过其他方式取得授权？如果不是，请勿使用。
  • 需求是否涉及欺骗、未披露的冒充、误导性的来源信息、针对敏感政治议题的说服、仇恨、性内容、自我伤害、违法活动，或侵犯隐私／知识产权？Google 的《Generative AI Prohibited Use Policy》适用。
  • 输出是否需要披露来源信息？对于公开内容或客户内容，请尽可能保留 SynthID 和 C2PA，并根据平台、客户和司法管辖区的要求披露音乐由 AI 生成。

生产启发式：

将 Lyria 输出视为仍需经过常规权利审查的生成资产。水印、过滤器和赔偿条款并不能保证特定曲目在所有广告、地区或许可情形下都可使用。

隐私、安全与保留期限

Google Cloud 文档记载的行为，已于 2026-07-10 核实：

  • Google Cloud 表示，对于 Gemini Enterprise Agent Platform 上由其托管的模型（包括 GA 和预 GA 模型），未经事先许可或指示，不会使用客户数据训练或微调 AI/ML 模型。
  • 请求-响应日志记录默认处于禁用状态，但可以按模型和项目启用。若希望实现零数据保留，请保持禁用。
  • 在某些 Google Cloud Platform 服务条款情形下，Google 可能会为滥用监控记录 Google 模型的提示词；寻求零数据保留的客户可能需要申请例外。
  • 关于 Google 发布的 Gemini 模型，文档说明内存缓存按项目隔离、不以静态形式存储，TTL 为 24 小时，并且可以在项目级别禁用。在声称零保留之前，请确认这是否适用于具体的 Lyria 端点。

生产方面的注意事项：

  • 除非项目的数据治理政策允许，否则不要在提示词中放入未发布的歌词、机密脚本、私人用户数据、未发布的产品名称或已获许可的参考图像。
  • 在项目资产台账中保存生成的音频、提示词、模型 ID、时间戳和源图像。请像保护尚未发布的宣传活动音频一样限制访问权限。
  • 如果任务受监管或受保密协议约束，请记录确切的端点、区域（文档所述 Lyria 3 使用 global）、日志记录设置、保留期限假设，以及审批人。

溯源与制品保管

已记录的事实：

  • Google 表示，Lyria 音频带有 SynthID 水印。DeepMind 指出，SynthID 音频水印不可听见，且设计上能够经受添加噪声、MP3 压缩和变速等常见修改。
  • Lyria 3 模型规格列出支持 Content Credentials（C2PA）。
  • Google 的 Content Credentials 文档指出，若使用不支持 C2PA 的工具修改符合 C2PA 标准的媒体文件，验证可能会失败。

保管工作流：

  1. 按照服务提供商返回的原样保存原始输出。
  2. 在媒体文件之外保存一份伴随制作记录：服务提供商、模型 ID、端点、提示词、图像引用、请求时间、响应 ID（如有）、输出文件名、时长、采样率／比特率、安全／拒绝说明以及审核者。
  3. 在剪辑、响度归一化、循环处理或混入视频之前，保留一份原始副本。
  4. 导出编辑版本时，注明普通音频／视频工具可能会剥除 C2PA 元数据。即使最终的 MP4 丢失嵌入式凭证，也要保留原始制品以供溯源。
  5. 不要声称 SynthID 或 C2PA 能让音轨无法被篡改。应将其视为溯源支持，而非法律或取证证明。

面向制作的音乐质量检查

使用生成的音轨前，请先审核：

  • 提示词遵循情况：时长、结构、乐器、BPM／节奏感、人声／歌词选择、语言和场景时序。
  • 剪辑实用性：开头干净；若从旁白下方开始播放，则没有突兀的起音；结尾可用；具备循环潜力；如果剪辑需要，则有足够的分轨／版本。
  • 混音安全性：保留余量、控制低频、没有刺耳的高频、主旋律不与旁白冲突、要求纯器乐时不出现人声。
  • 权利风险：没有可识别的现有旋律、歌词片段、对具名艺术家的模仿、名人声音，或过于具体的风格仿效。
  • 品牌契合度：情绪基调符合产品和受众；没有无意的喜剧感、威胁感、性感意味或文化不符。
  • 平台适配度：短视频开头几秒有吸引力，Logo 收尾干净，母带处理后的响度目标安全，没有未获授权的采样。
  • 溯源信息：已保存原始输出、记录请求元数据，并保留 AI 生成披露和水印／C2PA 说明。

迭代技巧：

  • 如果音轨过于繁杂，可减少主奏乐器，要求使用 “underscore”，指定 “leave room for narration”，并降低强度。
  • 如果音轨未能呈现预期的情绪变化，可添加带时间戳的场景功能和强度数值。
  • 如果出现了不需要的人声，可使用 Lyria 3 的器乐模式措辞；对于 Lyria 2，可添加 negative_prompt: "vocals, choir, spoken words"。
  • 如果结尾无法使用，可要求以明确收束的终止式结束，并带一段较短的混响尾音。
  • 如果结果听起来像某位知名艺术家，可移除过度限定并使结果趋向该艺术家的时代／流派组合，并添加 “avoid named-artist resemblance”。

示例：在 Lyria 模型之间进行选择

用户请求：“为一支 45 秒的付费社交广告制作背景音乐。不要歌词；音乐需要铺在旁白下方，并在结尾处烘托 Logo。”

推荐决策：

如果广告需要精确的 45 秒结构和与场景同步的音乐，请使用 lyria-3-pro-preview。只有在可以通过循环或剪辑延长 30 秒配乐时，才使用 lyria-3-clip-preview。如果项目要求达到 GA 状态，且可接受纯器乐输出，请使用 lyria-002，但需按大约 30 秒的 WAV 以及可能需要剪辑来规划。

提示词：

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.

质量检查重点：

检查是否不存在类似人声的生成纹理，Logo 收尾节奏是否足够贴合剪辑，以及针对移动平台进行压缩后，音乐是否会掩盖旁白。

主要官方来源

评论

支持 Markdown