مرداد
اخبار
رونمایی لیریا ۳٫۵ در گوگل فلو موزیک؛ وکال طبیعیتر و کنترل بیشتر
گوگل مدل پرچمدار موسیقی خود را بهروز کرد و لیریا ۳٫۵ را در فلو موزیک نشاند. تمرکز این نسخه روی چیزی است که کاربران بیشترین ایراد را به آن میگرفتند: صدای خواننده. حالا وکال احساسیتر است، تلفظ بهتر شده و کاربر میتواند تمپو و مدت قطعه را دقیق تعیین کند. مهمتر از خود مدل، موقعیت حقوقی گوگل است که آن را از رقبای درگیر شکایت جدا میکند.
لیست مطالب
۱) ماجرا از چه قرار است؟
گوگل اعلام کرد لیریا ۳٫۵، نسل تازهی مدل تولید موسیقی این شرکت، از همان روز اعلام در سرویس فلو موزیک فعال میشود. این خبر در ظاهر یک ارتقای معمول نسخه است، اما اگر یک سال گذشتهی موسیقی مصنوعی را دنبال کرده باشید، میدانید که رقابت در این حوزه دیگر فقط فنی نیست؛ حقوقی هم شده است.
نکتهی مهم این است که گوگل، بهجای رونمایی از یک مدل مستقل، آن را داخل یک ابزار کامل تولید محتوا قرار داده است. لیریا صدا را میسازد، جمینای متن و درک زبانی را مدیریت میکند و ویو بخش تصویری را برعهده دارد. نتیجه یک زنجیرهی یکپارچه از ایده تا ویدیوی نهایی است.
۲) چهار تغییر اصلی در لیریا ۳٫۵
موسیقاییبودن
گوگل میگوید ساختارهای ملودیک غنیتر و پیچیدهتر شدهاند و قطعه در طول کامل خود طبیعیتر به گوش میرسد. این پاسخی است به ایراد رایج نسلهای قبلی: تکرار مکانیکی و حس «حلقهی بیپایان».
متن ترانه
پیروی از دستور کاربر و آگاهی ساختاری بهبود یافته است؛ یعنی مدل بهتر میفهمد کدام بخش بند است و کدام بخش کورس، و متن را با حالوهوای درخواستی همراستا میکند.
وکال
این مهمترین بخش ارتقا است. صدای خواننده واقعیتر و از نظر احساسی چندلایهتر شده و تلفظ بهتر شده است. گوگل بهطور خاص اشاره میکند که این بهبود برای محتوای غیرانگلیسی و سبکهای خاص محسوستر است؛ خبری که برای سازندگان فارسیزبان اهمیت دارد.
کنترل خلاقانه
کاربر میتواند تمپو و مدت خروجی را با دقت بیشتری تعیین کند. برای کسی که موسیقی پسزمینهی یک ویدیوی سیثانیهای میخواهد، این قابلیت از هر بهبود کیفیتی کاربردیتر است.
۳) کیفیت خروجی و سقفهای فنی
خروجی لیریا با کیفیت استریوی ۴۸ کیلوهرتز و ۱۶ بیت ارائه میشود که استاندارد تولید حرفهای است. حداکثر طول قطعه سه دقیقه است؛ عددی که برای یک ترانهی پاپ کافی و برای موسیقی متن بلند کم است.
دسترسی به این مدل در فلو موزیک بدون هزینهی اضافه اعلام شده و محدودیت سنی هجده سال هم برای استفاده تعیین شده است. علاوه بر فلو موزیک، لیریا در اپلیکیشن جمینای، گوگل ویدز و پلتفرمهای ابری گوگل هم در دسترس است.
۴) قابلیتهای تازهی فلو موزیک
طبق گزارشها همزمان با انتشار لیریا ۳٫۵، سه قابلیت دیگر هم به فلو موزیک اضافه شده است. اول، ساخت کاور؛ یعنی تبدیل یک قطعه به سبکی کاملاً متفاوت در حالی که ساختار اصلی حفظ میشود. دوم، ساخت ویدیو با لبخوانی همزمان. سوم، انتشار اپلیکیشن آیفون برای ساخت، شنیدن و اشتراکگذاری پروژهها.
این سه مورد در اعلامیهی رسمی مدل ذکر نشدهاند و بر پایهی گزارشهای رسانهای و فهرست اپلیکیشن منتشر شدهاند؛ بنابراین بهتر است تا تأیید کامل گوگل با احتیاط به آنها نگاه کرد.
۵) واترمارک سینتآیدی؛ امضای پنهان روی موج صوتی
هر خروجی لیریا یک واترمارک نامرئی به نام سینتآیدی دارد. این واترمارک یک سیگنال رمزنگاریشده است که با استفاده از پوشش روانشناسی شنیداری، مستقیم در موج صوتی جای میگیرد؛ بهگونهای که گوش انسان آن را نمیشنود.
نکتهی مهم، مقاومت آن است: طبق توضیح گوگل این نشانه پس از فشردهسازی به فرمتهای رایج، تغییر تمپو یا زیر و بم، و حتی بازضبط دوباره باقی میماند. با توجه به اینکه پلتفرمهای پخش موسیقی بهسمت الزام افشای محتوای مصنوعی رفتهاند، این قابلیت یک مزیت عملی برای انتشار قانونی است.
۶) مزیت پنهان گوگل؛ دادهی دارای مجوز
مهمترین تفاوت گوگل با رقبا در موسیقی مصنوعی، جنس دادهی آموزشی است. گوگل میگوید لیریا روی دادهی دارای مجوز و با اجازهی قراردادی از یوتیوب و شرکای این شرکت آموزش دیده است.
این جمله در ظاهر یک بند حقوقی خستهکننده است، اما در عمل تعیینکنندهی سرنوشت بازار است. یک برند یا آژانس تبلیغاتی نمیتواند موسیقیای را در کمپین خود بهکار ببرد که ممکن است فردا موضوع دعوای حقوقی شود. برای درک بهتر اینکه چرا چنین ملاحظاتی در کسبوکار حیاتی است، مقالهی اهمیت هوش مصنوعی در کسبوکار زمینهی خوبی میدهد.
۷) رقبا در دادگاه
در سوی دیگر میدان، دو نام اصلی موسیقی مصنوعی درگیر پروندههای قضایی بودهاند. سونو در جولای ۲۰۲۴ با شکایت سونی، یونیورسال و وارنر روبهرو شد و طبق گزارشها با وارنر و یونیورسال به توافق رسید، اما پروندهی سونی همچنان فعال است. یودیو نیز طبق گزارشها با یونیورسال توافق کرده و دعوای سونی ادامه دارد.
گزارشها همچنین میگویند افشای کد منبع سونو در جولای ۲۰۲۶ به بحث دربارهی شیوهی جمعآوری دادههای آموزشی دامن زده است. جمع این وضعیت، ریسک تجاری برای مشتریان سازمانی میسازد؛ همان جایی که گوگل میخواهد برنده باشد.
این الگوی رقابت غریب نیست. همانطور که در نبرد چتجیپیتی و دیپسیک دیدیم، در بازار مدلها برنده همیشه بهترین کیفیت خام نیست؛ ترکیب کیفیت، قیمت و ریسک است که تعیینکننده میشود.
۸) چطور شروع کنیم؟
مسیر ساده است: به سرویس فلو موزیک بروید، سبک، حالوهوا و ساز مورد نظرتان را توصیف کنید و در صورت نیاز متن ترانه و تمپو را هم مشخص کنید. هرچه توصیف دقیقتر باشد، خروجی نزدیکتر است.
در عمل، بیشترین خطای کاربران تازه، نوشتن دستورهای مبهم مثل «یک آهنگ شاد بساز» است. جایگزین بهتر، تعیین سبک، ساز اصلی، تمپوی تقریبی و کاربرد نهایی است. اگر میخواهید این مهارت را جدیتر تمرین کنید، راهنمای پرامپتنویسی و مجموعهی آموزشهای چتجیپیتی نقطهی شروع مناسبی هستند.
۹) برای سازندهی محتوای فارسی چه معنایی دارد؟
سه پیامد عملی دارد. اول، بهبود تلفظ و وکال غیرانگلیسی به این معناست که احتمال خروجی قابل استفاده برای محتوای فارسی بیشتر شده است، هرچند انتظار کیفیت ترانهی فارسی حرفهای نداشته باشید. دوم، کنترل تمپو و مدت، ساخت موسیقی پسزمینهی ویدیوهای کوتاه را عملی میکند. سوم، وجود واترمارک یعنی اگر جایی لازم شد ثابت کنید موسیقی مصنوعی است یا نیست، ابزارش وجود دارد.
برای مرور روزانهی چنین ابزارهایی میتوانید بخش اخبار را دنبال کنید و اگر تازه با این اکوسیستم آشنا میشوید، اوپنایآی چیست تصویر کلی بازیگران را روشن میکند.
پرسشهای پرتکرار دربارهی لیریا ۳٫۵
لیریا ۳٫۵ کجا در دسترس است؟
در سرویس گوگل فلو موزیک و بدون هزینهی اضافه اعلام شده است. علاوه بر آن، لیریا در اپلیکیشن جمینای، گوگل ویدز و پلتفرمهای ابری گوگل هم قابل استفاده است.
حداکثر طول قطعه چقدر است؟
سقف اعلامشده سه دقیقه است و خروجی با کیفیت استریوی ۴۸ کیلوهرتز و ۱۶ بیت ارائه میشود.
آیا خروجی قابل تشخیص است؟
بله. واترمارک نامرئی سینتآیدی در موج صوتی جای میگیرد و طبق توضیح گوگل در برابر فشردهسازی، تغییر تمپو و بازضبط مقاوم است.
کاور و ویدیوی لبخوانی رسماً تأیید شدهاند؟
این قابلیتها در اعلامیهی رسمی مدل ذکر نشدهاند و طبق گزارشهای رسانهای به فلو موزیک اضافه شدهاند؛ بنابراین تا تأیید رسمی بهتر است با احتیاط به آنها نگاه کرد.
تفاوت اصلی گوگل با سونو و یودیو چیست؟
جنس دادهی آموزشی. گوگل میگوید لیریا روی دادهی دارای مجوز و با اجازهی قراردادی آموزش دیده است، در حالی که رقبا با پروندههای حقوقی دربارهی دادهی آموزشی روبهرو بودهاند.
