正确使用提示词、歌词、时间结构、BPM 和图片
这份指南把 Google Lyria 3 的能力整理成更适合创作者的工作流，涵盖 Clip 与 Pro、自定义歌词、时间结构、图片转音乐、纯伴奏提示词、语言控制、输出解析与实用边界。
为什么需要这页
构建器底层是 Google Lyria 3，但整个工作流经过了产品层整理：更结构化的提示词、清晰的歌词与时间控制、更稳健的默认参数、异步编排，以及可复用的曲库管理。
Lyria 3 Clip
lyria-3-clip-preview
适用场景
快速测试、hook、loop、预览
时长
固定 30 秒
输出
MP3
Lyria 3 Pro
lyria-3-pro-preview
适用场景
更完整的歌曲结构，如主歌、副歌和桥段
时长
通常为几分钟，具体受提示词影响
输出
模型选择的音频 + 文本
1. 先选对模型
如果你想快速探索方向，先用 Clip。如果你已经明确方向，需要更长、更有结构的作品，就用 Pro。
Clip 固定为 30 秒，适合快速测试流派、情绪和 hook。
Pro 更适合需要主歌、副歌、桥段和更长情绪弧线的歌曲。
一个有效流程通常是先 Clip，再 Pro。
2. 写出更具体的音乐提示词
Lyria 在你描述具体音乐需求时，效果通常会比泛泛的情绪描述更好。
说明流派或流派混合：lo-fi hip hop、cinematic orchestral、indie pop、jazz fusion。
写出乐器：Rhodes、电弦乐、铜管、808、原声吉他、人声和声。
必要时写上速度和调式：85 BPM、D minor、G major。
描述情绪和能量：怀旧、激烈、梦幻、振奋、紧张。
如果用 Pro，且时长重要，也可以在提示词中说明目标长度。
3. 当歌词重要时，使用自定义歌词
如果你已经有明确的歌词方向，请清晰粘贴歌词，并与制作指令区分开。
使用 [Verse]、[Chorus]、[Bridge]、[Intro]、[Outro] 等段落标签。
把音乐方向放在歌词之前，让模型同时理解意图与文字。
如果你不想要演唱，就不要提供歌词，并明确写上仅伴奏。
4. 用时间结构控制节奏与编排
当你需要精确节奏推进时，告诉模型每个时间段应该发生什么。
例如：[0:00 - 0:10] Intro，[0:10 - 0:30] Verse，[0:30 - 0:50] Chorus。
时间结构可以帮助控制能量抬升、乐器进入、人声时机和结尾淡出。
这对预告片、场景音乐和定向 build-up 特别有用。
5. 当视觉应该影响音乐时，加入图片
Google Lyria 3 支持多模态音乐生成。你可以提供最多 10 张图片，让音乐跟随画面情绪、色彩和叙事。
可以使用 moodboard、概念图、封面草图、场景静帧或产品视觉。
只有当视觉方向确实重要时再加图，否则尽量保持请求简单。
如果提示词里也明确写出这些图片应转化成怎样的音乐情绪，效果通常更好。
6. 需要时强制输出纯伴奏
用于背景音乐、预告片、游戏和 beat 时，记得明确告诉 Lyria 不要演唱。
可直接写：Instrumental only, no vocals。
这句话应该直接出现在提示词里，而不是停留在隐含偏好上。
很多纯伴奏方向，可以先用 Clip 快速测试，再迁移到 Pro。
7. 提示词语言尽量与目标演唱语言一致
Lyria 会根据你的提示词语言去调整演唱风格与发音。
如果你想要法语歌词，就用法语提示词。
如果你想要英文演唱但又要混入日语段落标记，请明确写出来。
当你在一个请求里混用过多语言时，语言控制通常会变差。
8. 正确理解返回结果
模型会返回多个部分，其中有些是文本，有些是音频字节。
不要假设第一个部分一定是歌词或一定是音频。
需要遍历所有返回部分，识别文本与内联音频数据。
文本输出里可能同时包含歌词、结构说明或其他文字信息。