Google DeepMind a lancé Lyria 3.5 dans Google Flow Music. Le modèle de génération musicale progresse sur quatre axes : structures mélodiques plus riches et naturelles, textes mieux alignés au prompt avec conscience de la structure (refrain, couplet, pont), voix plus expressives avec une prononciation améliorée, et contrôles sur le tempo et la durée de la sortie.

Pour ceux qui travaillent dans le domaine audio, le signal est clair. La génération musicale sort de la phase où elle produisait « quelque chose qui sonne » et devient un outil avec des contrôles créatifs. Tu peux choisir le tempo, définir la durée, écrire des textes que le modèle respecte dans la structure. Les voix sont des voix avec expression émotionnelle, un progrès par rapport au text-to-speech plat d’il y a quelques années.

La distinction qui compte est entre la génération fonctionnelle (lire un texte à haute voix) et la génération créative (produire une chanson avec structure, émotion et contrôle). Lyria 3.5 vise la seconde. Pour ceux qui construisent du contenu, des jingles, des démos musicales ou des prototypes audio, cela signifie moins de temps à se battre avec des outils qui ignorent tes intentions et plus de temps à itérer sur le résultat.

La limitation réside dans les données : l’annonce est peu documentée. Aucun chiffre comparable, aucun exemple vérifiable, aucune API documentée. C’est un produit fermé dans Flow Music, accessible comme outil créatif, pas comme modèle téléchargeable.

Si tu veux l’essayer : ouvre Flow Music et génère une piste avec ton propre texte, en définissant le tempo et la durée. Vérifie à quel point les choix que tu as faits se ressentent vraiment dans le résultat.

En détail

Le contexte aide à comprendre pourquoi cette sortie compte, même si les détails techniques sont peu nombreux.

Ce qu’il y avait avant. La génération musicale avec l’IA jusqu’à présent s’est divisée en deux champs distincts. D’un côté les modèles text-to-speech (comme ceux d’ElevenLabs ou les systèmes voice d’OpenAI et Anthropic), qui lisent un texte avec une voix crédible mais sans intention musicale. De l’autre les modèles de génération musicale véritable (MusicGen de Meta, Suno, Udio), qui produisent des pistes complètes mais avec un contrôle limité : tu demandes un genre, tu obtiens quelque chose, et tu espères que le pont arrive où tu le voulais.

Lyria 3.5 cherche à combler le vide entre les deux. La nouveauté est qu’elle génère de la musique avec contrôles granulaires : le tempo (BPM), la durée de la sortie, la structure du texte (le modèle reconnaît la différence entre un refrain et un couplet et les traite en conséquence). Les voix s’améliorent sur deux axes : expression émotionnelle et prononciation. Si tu as essayé de faire chanter un texte par un modèle d’il y a un an, tu sais que la prononciation était le point faible le plus gênant.

Ce qu’on ne sait pas. L’annonce du blog DeepMind est brève : quatre points clés, aucun chiffre, aucun exemple audio reproductible, aucune comparaison avec les modèles précédents ou concurrents. On ne connaît pas la durée maximale d’une piste, ni à quel point les contrôles fonctionnent vraiment sur des genres complexes (polyphonie, changements de tempo, sections instrumentales étendues). Il n’y a pas d’API documentée : le modèle existe dans Flow Music, qui est un produit grand public, pas une plateforme pour développeurs.

Implications pratiques. Pour ceux qui construisent du contenu audio aujourd’hui, Lyria 3.5 est un outil à tester sur des travaux où la qualité du prototype prime sur la reproductibilité parfaite : jingles pour des campagnes, démos pour des pitchs musicaux, ambiances pour des vidéos. Ce n’est pas encore un outil de production finale, et l’absence d’API signifie que tu ne peux pas l’intégrer dans un workflow automatisé. Pour ceux qui attendaient que la génération vocale créative devienne accessible, c’est le signal que la direction est la bonne, mais le chemin reste ouvert.

Limitations déclarées. Google ne fournit pas d’informations sur les licences d’utilisation du contenu généré, ni sur la provenance des données d’entraînement. Pour ceux qui produisent du contenu à usage commercial, l’absence de clarté sur les droits d’auteur est un frein pratique.