Google DeepMind ha rilasciato Lyria 3.5 dentro Google Flow Music. Il modello di generazione musicale migliora su quattro fronti: strutture melodiche più ricche e naturali, testi con migliore aderenza al prompt e consapevolezza della struttura (ritornello, strofa, bridge), voci più espressive con pronuncia migliorata, e controlli su tempo e durata dell’output.

Per chi lavora nel dominio audio, il segnale è chiaro. La generazione musicale esce dalla fase in cui produceva «qualcosa che suona» e diventa uno strumento con controlli creativi. Puoi decidere il tempo, impostare la durata, scrivere testi che il modello rispetta nella struttura. Le vocalità sono voci con espressione emotiva, un passo avanti rispetto al text-to-speech piatto di qualche anno fa.

La distinzione che conta è fra generazione funzionale (leggere un testo ad alta voce) e generazione creativa (produrre una canzone con struttura, emozione e controllo). Lyria 3.5 punta sulla seconda. Per chi costruisce contenuti, jingle, demo musicali o prototipi audio, questo significa meno tempo a litigare con tool che ignorano le tue intenzioni e più tempo a iterare sul risultato.

La limitazione è nei dati: l’annuncio è scarno di numeri. Niente benchmark confrontabili, niente campioni verificabili, niente API documentata. È un prodotto chiuso dentro Flow Music, accessibile come tool creativo, non come modello scaricabile.

Se vuoi provarci: apri Flow Music e genera una traccia con un testo tuo, impostando tempo e durata. Verifica quanto le scelte che hai fatto si sentono davvero nel risultato.

Nel dettaglio

Il contesto aiuta a capire perché questo rilascio conta, anche se i dettagli tecnici sono pochi.

Cosa c’era prima. La generazione musicale con l’AI finora è stata divisa in due campi separati. Da una parte i modelli text-to-speech (come quelli di ElevenLabs o i sistemi voice di OpenAI e Anthropic), che leggono un testo con una voce credibile ma senza intenzione musicale. Dall’altra i modelli di generazione musicale vera e propria (MusicGen di Meta, Suno, Udio), che producono tracce complete ma con un controllo limitato: chiedi un genere, ottieni qualcosa, e poi preghi che il bridge arrivi dove lo volevi.

Lyria 3.5 cerca di colmare il vuoto fra i due. La novità è che genera musica con controlli granulari: il tempo (BPM), la durata dell’output, la struttura del testo (il modello riconosce la differenza fra un ritornello e una strofa e li tratta di conseguenza). Le vocalità migliorano su due assi: espressione emotiva e pronuncia. Se hai provato a far cantare un testo a un modello di un anno fa, sai che la pronuncia era il punto debole più fastidioso.

Cosa non sappiamo. L’annuncio del blog DeepMind è breve: quattro bullet point, nessun numero, nessun esempio audio riproducibile, nessun confronto con modelli precedenti o concorrenti. Non sappiamo la lunghezza massima di una traccia, né quanto i controlli funzionino davvero su generi complessi (polifonia, cambi di tempo, sezioni strumentali estese). Non c’è un’API documentata: il modello vive dentro Flow Music, che è un prodotto consumer, non una piattaforma per sviluppatori.

Implicazioni pratiche. Per chi costruisce contenuti audio oggi, Lyria 3.5 è uno strumento da provare su lavori dove la qualità del prototipo conta più della riproducibilità perfetta: jingle per campagne, demo per pitch musicali, sottofondi per video. Non è ancora uno strumento di produzione finale, e l’assenza di API significa che non puoi integrarlo in un flusso automatizzato. Per chi aspettava che la generazione vocale creativa diventasse accessibile, questo è il segnale che la direzione è quella giusta, ma la strada è ancora aperta.

Limiti dichiarati. Google non fornisce informazioni sulle licenze d’uso dell’output generato, né sulla provenienza dei dati di addestramento. Per chi produce contenuti in ambito commerciale, l’assenza di chiarezza su copyright è un blocco pratico.