Lyria 3.5 Gemini'ye geldi: yapay zekâyla müzik üretimi, kullanım ve API fiyatı

Google, 4 Eylül'de Lyria 3.5 ile geliştirilen müzik üretimini Gemini uygulamasına taşıdığını duyurdu. Yeni aşama, birkaç kelimelik bir komuttan ses dosyası almakla sınırlı değil: vokal tercihi, tür, süre ve parçanın yapısı üzerinde daha anlaşılır yönlendirme seçenekleri sunuluyor. 8 Eylül itibarıyla içerik üreticileri için asıl soru, bu aracın bir podcast, kısa video veya tanıtım çalışmasına nasıl kontrollü biçimde dâhil edilebileceği.

Google'ın duyurusu daha ifade gücü yüksek vokaller ve daha zengin düzenlemelerden söz ediyor. Bunlar üreticinin kalite iddiaları; bu haberde yapılmış kör dinleme testi veya insan bestecilerle ölçülmüş bir karşılaştırma olarak sunulmuyor. Lyria 3.5'e Gemini arayüzünden erişmek ile aynı modeli kendi uygulamasından API üzerinden çağırmak da farklı kullanım yolları. Hesap koşulları, sınırlar ve ücretler bu iki yolu birlikte ele alırken karıştırılmamalı.

Gemini'de Lyria 3.5 ile müzik oluşturma

Google'ın güncel yardım belgesi müzik üretimi için 18 yaş ve üzerini, desteklenen kişisel ya da iş/okul hesabıyla oturum açmayı ve etkinlik kaydı ayarının açık olmasını şartlar arasında sayıyor. Arayüzde yükleme ve araçlar menüsünden müzik oluşturma seçeneğine gidiliyor. Tam uzunlukta parça için model seçicisinde Pro'ya geçilmesi isteniyor. Buradaki arayüz seçimi, bütün abonelik ve API ücretlerinin aynı olduğu anlamına gelmiyor.

Yardım belgesinde kısa parça yaklaşık bir dakika, tam parça yaklaşık iki ila üç dakika olarak anlatılıyor. Vokal ve tür seçenekleri de kullanılabiliyor. Üretilen sonuç ses olarak MP3, kapak görselli video olarak MP4 biçiminde indirilebiliyor. Hesapta bir özellik görünmüyorsa onu varmış gibi kabul etmek yerine desteklenen hesap, güncel arayüz ve kullanım sınırları kontrol edilmeli. Google günlük üretim sınırları olduğunu belirtiyor; bu haber herkes için geçerli sabit bir ücretsiz parça sayısı ilan etmiyor.

API tarafı: model adı, çıktı biçimi ve fiyat

Model kartı, Lyria 3.5'i müzik üretimine odaklanmış bir model olarak tanımlıyor. Canlı konuşma API'si, fonksiyon çağırma veya kod çalıştırma gibi genel asistan özellikleri desteklenen yetenekler arasında yer almıyor. Yani bu model, aynı isim ailesindeki bütün Gemini işlevlerinin müzik eklenmiş sürümü gibi düşünülmemeli. Bir uygulama hem dosya analiz edecek hem parça üretecekse, işin farklı aşamaları farklı araçlar gerektirebilir.

Fiyatı somutlaştırmak için basit bir örnek: Listelenen birim tutarla 20 tam parça üretimi 1,60 dolar eder. Bu yalnızca 20 × 0,08 hesabıdır; vergi, kur, başka model çağrıları veya uygulamanın diğer maliyetlerini içeren toplam proje bedeli değildir. Beğenilmeyen sonuçlar için yeni üretimler yapılacaksa maliyet planı yalnızca yayımlanacak son parçaların sayısına göre kurulmamalıdır.

İyi istem: türden önce kullanım amacını tarif edin

Bir müzik istemi, yalnızca güzel veya etkileyici gibi sıfatlardan oluştuğunda üretim hedefi belirsiz kalır. Podcast konuşmasının altında çalacak bir parçayla, videonun açılışında tek başına duyulacak bir parçanın görevi farklıdır. İlkinde anlatıcıyı örtmemesi, ikincisinde dikkat çekici bir başlangıç sunması beklenebilir. Bu nedenle önce müziğin nerede ve ne kadar süre duyulacağını yazmak, daha sonra tür ve enstrüman seçmek daha anlaşılır bir çalışma yöntemi oluşturur.

Google'ın müzik üretim kılavuzu tür, enstrümanlar, tempo, duygu ve bölüm yapısı gibi ayrıntılarla yönlendirme yapılabildiğini açıklıyor. Aynı kılavuz mevcut üretim yolunun tek turlu olduğunu ve aynı istemden farklı sonuçlar çıkabileceğini belirtiyor. Bu yüzden ilk parçayı bire bir koruyup yalnızca tek bir saniyesini sohbet içinde kesin biçimde değiştirebileceğinizi varsaymamak gerekiyor. Yapılacak işin mevcut API düzenleme sınırlarıyla uyumu ayrıca değerlendirilmeli.

Podcast için özgün örnek üretim brifi

NetMercek'in örnek istemi: Türkçe bir teknoloji podcastinin konuşma arkasında kullanılacak, yaklaşık doksan saniyelik enstrümantal müzik oluştur. Seksen iki BPM civarında sakin bir ritim, yumuşak elektrik piyanosu ve ölçülü bas kullan. İlk sekiz saniyeyi sade tut; orta bölümde yoğunluğu hafif artır, son bölümde temiz bir kapanış yap. Vokal, tanınmış melodi veya ani yüksek sesli geçiş istemiyorum.

Bu örnek, Google'ın yayımladığı bir şablonun çevirisi değil; kullanım hedefini görünür kılmak için hazırlanmış editoryal bir brif. Belirtilen süre, tempo ve bölüm geçişlerinin sonuçta bire bir gerçekleştiği garanti edilmiyor. Çıktı dinlenerek doğrulanmalı. Tam zamanlamanın zorunlu olduğu bir video kurgusunda, müzik dosyasını ayrıca düzenlemek gerekebilir; üretim aracı tek başına kurgu takviminin yerine geçmez.

Brifi geliştirmek için bütün özellikleri aynı anda değiştirmek yerine tek bir hedef üzerinde ilerlemek daha izlenebilir olabilir. İlk turda vokalsiz yapı, ikinci denemede yoğunluk, sonraki denemede kapanış hissi karşılaştırılabilir. Dosyaya istem sürümünü ve üretim tarihini eklemek, hangi seçeneğin neden beğenildiğini hatırlamayı kolaylaştırır. Bu bir model performans vaadi değil, seçenekler çoğaldığında karar vermeyi düzenleyen çalışma önerisidir.

Yayımlamadan önce dinleme kontrolü

Üretilen parçayı tek başına beğenmek, onun videoda veya podcastte doğru çalıştığını göstermez. Aynı dosyayı konuşmayla birlikte dinlemek gerekir. Kelimelerin anlaşılırlığı, giriş ve çıkışların yeri, ani ses değişimleri ve uzun kullanımda yoruculuk ayrı değerlendirilmelidir. Birkaç saniyelik etkileyici bölümün olması, bütün parçanın düzenli ve kullanışlı olduğu anlamına gelmez.

Kontrol için üç dinleme geçişi öneriyoruz. İlk geçişte yalnızca müziğin bütünlüğüne, ikinci geçişte içerikle uyumuna, üçüncü geçişte teknik hatalara odaklanın. Vokal varsa kelimelerin telaffuzu ve anlamı ayrıca gözden geçirilmeli. Özellikle Türkçe özel isimler, kısaltmalar ve sayılar beklenenden farklı söylenebilir; bir üretimin tamamlanmış görünmesi metnin doğru duyulduğunu kanıtlamaz. Bu haberde Türkçe vokal başarısı ölçülmüş değildir.

Son sürüm seçilirken kulaklığın yanında içeriğin hedeflendiği gerçek dinleme koşulu da düşünülmeli. Telefon hoparlörü için hazırlanmış kısa videoyla, kulaklıkla tüketilen uzun bir podcast farklı değerlendirme bağlamları sunar. Bütün platformlar için tek bir teknik sonuç iddia etmek yerine, yayımlanacak dosyanın kendi mecrasında kontrol edilmesi daha sağlıklı bir yayın sürecidir.

SynthID ne işe yarıyor, neyi kanıtlamıyor?

Google'ın geliştirici kılavuzu üretilen seslere duyulmayan SynthID işaretlemesi eklendiğini açıklıyor. Aynı belgede telifli sözlere ve belirli sanatçıların sesini hedefleyen taleplere ilişkin korumalar anlatılıyor. Bu işaret, içeriğin yapay zekâ üretimi olduğunun belirlenmesine yardımcı olan bir mekanizma olarak sunuluyor; bir parçanın her kullanım biçimine otomatik izin verildiğini gösteren telif belgesi değildir.

İçerik üreticisi açısından güvenli bir başlangıç, yalnızca kullanım hakkı bulunan metin ve görselleri girdi olarak kullanmak, gerçek kişilerin sesini izinsiz taklit etmeyi hedeflememek ve ticari yayından önce ilgili hizmet koşullarını kontrol etmektir. Bu haber belirli bir parça için hukuki uygunluk değerlendirmesi yapmıyor. Bir reklam veya müşteri projesi söz konusuysa hak sahipliği ve sözleşme koşulları projenin kendi gereksinimleriyle birlikte incelenmelidir.

Sonuç: hız kazancı, editoryal kontrolün yerine geçmiyor

Lyria 3.5'in Gemini'ye gelişi, müzik taslağı oluşturmayı daha erişilebilir bir iş akışına taşıyor. Fakat kullanışlı sonuç için üretim düğmesine basmak yeterli değil: doğru brif, kontrollü denemeler, dinleme değerlendirmesi ve yayın koşullarının kontrolü gerekiyor. Bugün denemek isteyenler için en somut başlangıç, küçük ve tanımlı bir kullanım senaryosu seçmek; çıktı kalitesini ve harcanan üretim sayısını birlikte kaydetmek. Böylece aracın gerçekten zaman kazandırdığı aşama, yalnızca ilk demodaki etkiden ayrılabilir.

Kaynaklar ve doğrulama