گوگل یک قابلیت تازه و جذاب به اپلیکیشن Gemini اضافه کرده است؛ حالا کاربران می‌توانند تنها با نوشتن یک توضیح کوتاه، آهنگ بسازند. این ویژگی با مدل جدید Lyria 3 توسعه یافته و فعلاً در مرحله بتا قرار دارد.

براساس گزارش TechCrunch، گوگل اعلام کرده است که مدل موسیقی‌ساز Lyria 3 از آزمایشگاه DeepMind، هسته اصلی این قابلیت را تشکیل می‌دهد. کاربران کافی است حال‌وهوای آهنگ مدنظرشان را توصیف کنند.

برای مثال بنویسند: «یک آهنگ حماسی درباره کودکی به دنبال پیداکردن معنای وطن و آزادی است». Gemini در پاسخ، یک قطعه ۳۰ثانیه‌ای به‌همراه متن ترانه و حتی کاور آرت تولید می‌کند. تصویر کاور نیز با ابزار Nano Banana ساخته می‌شود.

ساخت آهنگ با عکس و ویدیو در Gemini

قابلیت جدید تنها به متن محدود نیست. کاربران می‌توانند یک عکس یا ویدیو هم آپلود کنند تا هوش مصنوعی براساس حال‌وهوای آن، آهنگی متناسب تولید کند. همچنین امکان کنترل سبک، تمپو و نوع وکال نیز فراهم است تا خروجی نهایی دقیق‌تر با سلیقه کاربر هماهنگ شود.

گوگل تأکید کرده است که Lyria 3 نسبت به نسل‌های قبلی، موسیقی‌هایی واقعی‌تر و پیچیده‌تر تولید می‌کند. بااین‌حال، این شرکت اجازه تقلید مستقیم از یک هنرمند خاص را نمی‌دهد. اگر نام یک خواننده در پرامپت ذکر شود، Gemini صرفاً از آن به‌عنوان الهام کلی استفاده می‌کند و قطعه‌ای با حال‌وهوای مشابه می‌سازد، نه کپی مستقیم. گوگل همچنین اعلام کرده است که فیلترهایی برای بررسی شباهت خروجی با آثار موجود در نظر گرفته است.

هم‌زمان با عرضه Lyria 3 در Gemini، گوگل این مدل را در اختیار تولیدکنندگان محتوا در YouTube نیز قرار داده است. قابلیت Dream Track که پیش‌تر فقط برای برخی کاربران آمریکایی فعال بود، اکنون به‌صورت جهانی در دسترس قرار می‌گیرد. این ابزار به یوتیوبرها کمک می‌کند ترک‌های موسیقی مبتنی‌بر هوش مصنوعی تولید و در ویدیوهای خود استفاده کنند.

گوگل اعلام کرده است که تمام قطعات تولیدشده با Lyria 3 دارای واترمارک SynthID خواهند بود تا محتوای تولیدشده با هوش مصنوعی قابل شناسایی باشد. همچنین کاربران می‌توانند یک فایل صوتی را در Gemini آپلود کنند و از این ابزار بپرسند که آیا قطعه موردنظر با هوش مصنوعی ساخته شده است یا خیر.

قابلیت ساخت موسیقی برای تمام کاربران بالای ۱۸ سال Gemini در سراسر جهان فعال می‌شود و از زبان‌های انگلیسی، آلمانی، اسپانیایی، فرانسوی، هندی، ژاپنی، کره‌ای و پرتغالی پشتیبانی می‌کند.

Claude Sonnet 4.6 هم در کلود عرضه شد؛ مدلی پیش‌فرض با ارتقای چشمگیر در برنامه‌نویسی و استدلال همراه با پنجره 1M توکنی برای همه کاربران.