Google DeepMind ha lanzado Lyria 3.5 dentro de Google Flow Music. El modelo de generación musical mejora en cuatro frentes: estructuras melódicas más ricas y naturales, textos con mejor adherencia al prompt y conciencia de la estructura (estribillo, verso, puente), voces más expresivas con pronunciación mejorada, y controles sobre tempo y duración del output.

Para quien trabaja en el dominio de audio, la señal es clara. La generación musical sale de la fase en que producía «algo que suena» y se convierte en una herramienta con controles creativos. Puedes decidir el tempo, establecer la duración, escribir textos que el modelo respeta en su estructura. Las vocalidades son voces con expresión emocional, un paso adelante respecto al text-to-speech plano de hace unos años.

La distinción que importa es entre generación funcional (leer un texto en voz alta) y generación creativa (producir una canción con estructura, emoción y control). Lyria 3.5 apunta a la segunda. Para quien construye contenidos, jingles, demos musicales o prototipos de audio, esto significa menos tiempo peleándose con herramientas que ignoran tus intenciones y más tiempo iterando sobre el resultado.

La limitación está en los datos: el anuncio es escaso de números. Sin benchmarks comparables, sin muestras verificables, sin API documentada. Es un producto cerrado dentro de Flow Music, accesible como herramienta creativa, no como modelo descargable.

Si quieres probarlo: abre Flow Music y genera una pista con tu propio texto, estableciendo tempo y duración. Verifica qué tanto las decisiones que tomaste se escuchan realmente en el resultado.

En detalle

El contexto ayuda a entender por qué este lanzamiento importa, aunque los detalles técnicos sean pocos.

Qué había antes. La generación musical con IA hasta ahora se ha dividido en dos campos separados. Por un lado están los modelos text-to-speech (como los de ElevenLabs o los sistemas de voz de OpenAI y Anthropic), que leen un texto con una voz creíble pero sin intención musical. Por el otro lado están los modelos de generación musical propiamente dicha (MusicGen de Meta, Suno, Udio), que producen pistas completas pero con control limitado: pides un género, obtienes algo, y luego rezas para que el puente llegue donde lo querías.

Lyria 3.5 busca cerrar el vacío entre los dos. La novedad es que genera música con controles granulares: el tempo (BPM), la duración del output, la estructura del texto (el modelo reconoce la diferencia entre un estribillo y un verso y los trata en consecuencia). Las vocalidades mejoran en dos ejes: expresión emocional y pronunciación. Si alguna vez intentaste hacer cantar un texto a un modelo de hace un año, sabes que la pronunciación era el punto débil más fastidioso.

Qué no sabemos. El anuncio del blog DeepMind es breve: cuatro puntos, ningún número, ningún ejemplo de audio reproducible, ninguna comparación con modelos anteriores o competidores. No sabemos la duración máxima de una pista, ni cuánto realmente funcionan los controles en géneros complejos (polifonía, cambios de tempo, secciones instrumentales extendidas). No hay API documentada: el modelo vive dentro de Flow Music, que es un producto consumer, no una plataforma para desarrolladores.

Implicaciones prácticas. Para quien construye contenido de audio hoy, Lyria 3.5 es una herramienta para probar en trabajos donde la calidad del prototipo importa más que la reproducibilidad perfecta: jingles para campañas, demos para pitches musicales, fondos para videos. Aún no es una herramienta de producción final, y la ausencia de API significa que no puedes integrarla en un flujo automatizado. Para quien esperaba que la generación vocal creativa se volviera accesible, esta es la señal de que la dirección es la correcta, pero el camino sigue abierto.

Limitaciones declaradas. Google no proporciona información sobre las licencias de uso del output generado, ni sobre el origen de los datos de entrenamiento. Para quien produce contenidos en ámbito comercial, la ausencia de claridad sobre copyright es un obstáculo práctico.