गुगल DeepMind ने २९ जुलै २०२६ रोजी Lyria 3.5 हे आपले नवीन AI म्युझिक जनरेशन मॉडेल Google Flow Music मध्ये लाँच केले आहे. हे मॉडेल संगीतात्मकता (musicality), गीतलेखन (lyrics), स्वर (vocals) आणि सर्जनशील नियंत्रण (creative control) या चारही बाबतीत महत्त्वपूर्ण सुधारणा घेऊन आले आहे. फेब्रुवारी २०२६ मध्ये Lyria 3 लाँच झाल्यानंतर आणि त्यानंतर Lyria 3 Pro नंतर हे तिसरे मोठे अपग्रेड आहे. जे दाखवते की गुगल AI संगीताला आता एक प्राधान्य उत्पादन म्हणून हाताळत आहे.
मात्र, या तांत्रिक प्रगतीसोबतच कॉपीराइट उल्लंघनाचे गंभीर वादही वाढले आहे. संगीतकारांनी गुगलवर YouTube वरील कॉपीराइट केलेल्या रेकॉर्डिंगचा वापर Lyria ला प्रशिक्षण देण्यासाठी केल्याचा आरोप करत खटला दाखल केला आहे.
हा लेख मीमराठी कडून मुद्दाम लिहिला आहे , हा लेख Lyria 3.5 ची तांत्रिक वैशिष्ट्ये, Google Flow Music प्लॅटफॉर्म, स्पर्धात्मक स्थिती, कायदेशीर आव्हाने आणि भारतासारख्या देशांवर होणारा परिणाम यांचा सखोल आढावा घेतो.
१. AI संगीताचा वेगवान प्रवास
तर समजून घेऊन , २०२३ मध्ये गुगल DeepMind ने प्रथम Lyria हे आपले सर्वात प्रगत AI म्युझिक जनरेशन मॉडेल सादर केले. तेव्हापासून केवळ अडीच वर्षांत या तंत्रज्ञानाने प्रचंड झेप घेतली आहे. फेब्रुवारी २०२६ मध्ये Lyria 3 आले, जे मजकूर किंवा प्रतिमांवरून ३० सेकंदांचे ट्रॅक तयार करू शकत होते. मार्चमध्ये Lyria 3 Pro आले, जे ३ मिनिटांपर्यंतची गाणी तयार करू शकत होते. आता जुलै २०२६ मध्ये Lyria 3.5 ने या सर्व आवृत्त्यांमध्ये आणखी सुधारणा केली आहे.
हा वेग आश्चर्यकारक आहे. पाच महिन्यांत तीन मोठी रिलीझ केले . हे गुगल AI संगीताला किती गांभीर्याने घेत आहे याचा पुरावा आहे. पण ही केवळ गुगलचीच गोष्ट नाही. Suno, Udio, Mureka अशा अनेक कंपन्या या क्षेत्रात आपापले मॉडेल सादर करत आहेत. AI संगीत निर्मितीची ही पैज आता पूर्ण वेगाने सुरू आहे.
२. Lyria 3.5: चार प्रमुख सुधारणा
गुगलच्या अधिकृत घोषणेनुसार, Lyria 3.5 मध्ये चार प्रमुख क्षेत्रांत सुधारणा करण्यात आली आहे:
२.१ सुधारित संगीतात्मकता (Improved Musicality)
Lyria 3.5 आता “अधिक समृद्ध, अधिक कठीण गोड आवाज” तयार करू शकते ते “अधिक नैसर्गिक” वाटतात. हे विशेषतः महत्त्वाचे आहे कारण Lyria च्या पूर्वीच्या आवृत्त्यांवर एक गडबड होती ती की पहिल्या ३० सेकंदांनंतर मेलोडिक लूप यांत्रिक किंवा पुनरावृत्ती वाटायचे. नवीन मॉडेल या समस्येचे निराकरण करते, गाण्याच्या वेगवेगळ्या भागांमधील संक्रमण अधिक सहज आणि नैसर्गिक बनवते.
२.२ गीतलेखन (Enhanced Lyrics)
Lyria 3.5 “सुधारित प्रॉम्प्ट पालन (prompt adherence) आणि स्ट्रक्चरल जागरूकता” सह उच्च-गुणवत्तेची गीतं तयार करू शकते. याचा अर्थ मॉडेल आता तुम्ही दिलेल्या सूचना अधिक चांगल्या प्रकारे समजून घेते आणि त्यानुसार गीतं तयार करते. पूर्वीच्या आवृत्त्या फक्त कीवर्डभोवती सामग्री जोडत होत्या; आता नवीन मॉडेल गीतांचे आणि गाण्याच्या परिच्छेदांचे संरचनात्मक आकलन करते.
२.३ स्वर सुधारवला (Improved Vocals)
कदाचित हा सर्वात मोठा अपग्रेड आहे. Lyria 3.5 “अधिक वास्तववादी आणि भावनिक दृष्ट्या सूक्ष्म स्वर” तयार करू शकते, ज्यात “सुधारित उच्चार” (improved pronunciation) समाविष्ट आहे. हे विशेषतः अशा सर्जनकर्त्यांसाठी महत्त्वाचे आहे जे इंग्रजी नसलेल्या भाषांमध्ये, विशिष्ट शैलीतील किंवा भावनिक अभिव्यक्तीवर भर देणाऱ्या सामग्रीवर काम करतात.
२.४ नावीन्यावर नियंत्रण (Creative Control)
आता वापरकर्ते गाण्याची गती (tempo) आणि कालावधी (duration) अधिक सहजपणे नियंत्रित करू शकतात. ट्रॅकची लांबी आता ३० सेकंदांपासून ते ३ मिनिटांपर्यंत ठेवता येते. याशिवाय, वापरकर्ते AI-निर्मित गाण्याचे स्वर, ड्रम्स आणि बास वेगळे समायोजित करू शकतात. हे त्या निर्मात्यांसाठी उपयुक्त आहे ज्यांना पूर्वीच्या Lyria आउटपुट्स स्केच मटेरियल म्हणून उपयुक्त वाटत होती पण संरचित रचनांसाठी खूप अप्रत्याशित होती.
३. Google Flow Music: संपूर्ण संगीत निर्मिती व्यासपीठ
Lyria 3.5 हे Google Flow Music या प्लॅटफॉर्मवर उपलब्ध आहे. Flow Music चा इतिहास मनोरंजक आहे . हे २०२२ मध्ये व्हायरल झालेल्या Riffusion या ओपन-सोर्स प्रकल्पापासून सुरू झाले आणि २०२५ मध्ये ProducerAI म्हणून लाँच झाले. फेब्रुवारी २०२६ मध्ये गुगलने ProducerAI चे अधिग्रहण केले आणि एप्रिलमध्ये त्याचे Google Flow Music असे पुनर्नामकरण केले.
३.१ Flow Music ची प्रमुख वैशिष्ट्ये
Flow Music हे केवळ गाणी तयार करण्यापुरते मर्यादित नाही ते एक संपूर्ण संगीत निर्मिती स्टुडिओ आहे:
- पूर्ण-लांबीची गाणी तयार करा: मजकूर किंवा प्रतिमांवरून ३ मिनिटांपर्यंतची गाणी
- प्रगत संपादन: ट्रॅकचे विशिष्ट भाग बदला, गीतं पुन्हा लिहा किंवा इतर भाषांत अनुवादित करा, वाद्ये बदला
- स्टेम स्प्लिटिंग: गाण्याचे वेगवेगळे भाग (vocals, drums, bass) वेगळे करा
- म्युझिक व्हिडिओ: Veo व्हिडिओ मॉडेल वापरून गाण्यासाठी म्युझिक व्हिडिओ तयार करा
- वैयक्तिक अनुभव: Flow Music तुमची सर्जनशील शैली शिकून घेते आणि तुमच्या निर्मितीवर आधारित अनुभव वैयक्तिकृत करते
३.२ किंमत आणि उपलब्धता
Lyria 3.5 Flow Music वर सर्व वापरकर्त्यांसाठी अतिरिक्त खर्चाशिवाय उपलब्ध आहे. Flow Music चे फ्री प्लॅन देखील Lyria 3.5 वापरू शकते, परंतु सशुल्क प्लॅनमध्ये अधिक क्रेडिट्स आणि एकाच वेळी अधिक गाणी तयार करण्याची सुविधा मिळते. वार्षिक करारासह स्टार्टर प्लॅन दरमहा $६ (सुमारे ९८१ येन) आहे.
४. स्पर्धात्मक स्थिती: Suno, Udio आणि इतर
AI म्युझिक जनरेशनमध्ये सध्या Suno ही सर्वात मोठी स्पर्धक मानली जाते. स्वतंत्र तुलनांनुसार, Lyria 3 Pro एकूण ऑडिओ फिडेलिटीमध्ये “Suno v4.5 शी तुलनात्मक” होते ..
४.१ Lyria 3.5 चे वेगळेपण
Lyria 3.5 चे काही वेगळे फायदे आहेत:
१. बीपीएम (BPM) नियंत्रण: Lyria 3.5 हे कदाचित पहिले म्युझिक जनरेशन मॉडेल आहे जे BPM निर्दिष्ट करू शकते
२. उच्च-गुणवत्ता ऑडिओ: Lyria 48kHz, 16-bit PCM स्टिरिओ ऑडिओ आउटपुट करते जी व्यावसायिक उत्पादन गुणवत्ता आहे
३. बहु-भाषिक समर्थन: Lyria 3.5 इंडोनेशियन आणि जपानी सारख्या भाषांमध्ये स्पष्ट उच्चारांसह गाणी तयार करू शकते
४.२ आव्हाने
तथापि, काही समीक्षकांच्या मते Lyria चा अनुभव “अधिक खेळण्यासारखा” (toy-like) आहे आणि Suno सारख्या व्यावसायिक-दर्जाच्या गाण्यांच्या तुलनेत ते कमी पडते. Lyria 3.5 ने हे अंतर किती कमी केले आहे हे पाहणे बाकी आहे.
५. कॉपीराइट वाद: Lyria च्या यशावर मोठा प्रश्नचिन्ह
Lyria 3.5 च्या तांत्रिक प्रगतीबरोबरच, एक गंभीर कायदेशीर वादही आहे.
मार्च २०२६ मध्ये काही स्वतंत्र संगीतकार आणि गीतकारांनी थेट गुगलविरोधात न्यायालयात धाव घेतली. त्यांचा आरोप साधासुधा नव्हता. त्यांच्या म्हणण्यानुसार, Lyria 3 ला शिकवण्यासाठी YouTube वरील तब्बल ४.४ कोटी संगीत क्लिप्स आणि जवळपास २,८०,००० तासांचे संगीत वापरण्यात आले. एवढेच नाही, तर YouTube आणि Content ID या दोन्ही प्रणाली गुगलच्याच मालकीच्या असल्यामुळे कंपनीला इतरांपेक्षा मोठा फायदा मिळाल्याचाही दावा करण्यात आला. गुगलने मात्र हे सर्व आरोप नाकारले. कंपनीचे म्हणणे होते की, जेव्हा कलाकार YouTube वर आपली गाणी अपलोड करतात, तेव्हा ते आधीच गुगलला आवश्यक परवाने देतात आणि त्यामुळे हा खटला केवळ अंदाजांवर आधारित आहे. पण या सगळ्यात सर्वात जास्त चर्चा एका शांततेची झाली. Lyria 3.5 च्या अधिकृत घोषणेत हे मॉडेल नेमके कोणत्या डेटावर प्रशिक्षित करण्यात आले, याचा एकदाही उल्लेख करण्यात आला नाही. आधीच्या Lyria 3 च्या लाँचवेळी गुगलने “हे मॉडेल कोणत्याही कलाकाराची नक्कल करण्यासाठी नाही” असे स्पष्टपणे सांगितले होते, तसेच SynthID वॉटरमार्किंग आणि कॉपीराइट सुरक्षेबद्दलही सविस्तर माहिती दिली होती. पण यावेळी ते सर्व गायब होते. इतकेच नव्हे, तर पूर्वीच्या घोषणेला गुगलच्या दोन उत्पादन व्यवस्थापकांची नावे होती, तर Lyria 3.5 ची घोषणा कोणाच्याही स्वाक्षरीशिवाय प्रसिद्ध झाली. त्यामुळे एक प्रश्न अजूनही कायम आहे—AI संगीताचे भविष्य जितके उज्ज्वल दिसत आहे, तितकेच त्याच्या पायाभरणीबद्दलचे प्रश्नही अधिक गंभीर होत चालले आहेत.
६. भारतावर होणारा परिणाम
भारतासारख्या समृद्ध संगीत परंपरा असलेल्या देशात Lyria 3.5 चा मोठा परिणाम होऊ शकतो.
६.१ संधी
- नवोदित कलाकारांसाठी: महागडी उपकरणे किंवा मोठा स्टुडिओ नसलेले कलाकार AI च्या मदतीने व्यावसायिक दर्जाचे संगीत तयार करू शकतात
- भाषिक विविधता: Lyria 3.5 अनेक भाषांमध्ये गाणी तयार करू शकते. भारतातील २२ अधिकृत भाषांमध्ये संगीत निर्मितीच्या नवीन शक्यता उघडू शकते
- चित्रपट संगीत: भारतीय चित्रपटांमध्ये सरासरी ४-५ गाणी असतात. AI या गाण्यांच्या निर्मितीला गती देऊ शकते
६.२ आव्हाने
- रोजगारावर परिणाम: गीतकार, संगीत दिग्दर्शक आणि पार्श्वगायक यांच्या भूमिकांवर परिणाम होण्याची शक्यता
- सांस्कृतिक संवेदनशीलता: AI मॉडेल्सना सांस्कृतिकदृष्ट्या संवेदनशील सामग्री तयार करण्यासाठी प्रशिक्षित करणे आवश्यक आहे
- कॉपीराइट कायदे: भारतातील कॉपीराइट कायदे AI-निर्मित सामग्रीसाठी अद्याप स्पष्ट नाहीत
७. तांत्रिक दृष्टीकोन: Lyria कसे कार्य करते
Lyria 3.5 हा एकच मॉडेल नसून अनेक घटकांचा समूह आहे:
- Lyria: ऑडिओ जनरेशन हाताळते
- Gemini: नैसर्गिक भाषा आकलन प्रदान करते, जे तुमच्या सर्जनशील सूचनांचा अर्थ लावते
- Veo: Flow इकोसिस्टममधील दृश्य घटक हाताळते
८. भविष्यातील दृष्टीकोन
८.१ Lyria 3.5 नंतर काय?
Lyria 3.5 हे तिसरे मोठे अपग्रेड आहे आणि गुगल वेगाने प्रगती करत आहे. पुढील आवृत्त्यांमध्ये काय येईल?
- अधिक भाषांचा समावेश: सध्या Lyria 3.5 इंग्रजी, जपानी, इंडोनेशियन भाषांमध्ये चांगले काम करते. भारतीय भाषांचा समावेश होण्याची शक्यता
- सुधारित संरचनात्मक आकलन: गाण्याचा आकार आणि रचना अधिक चांगल्या प्रकारे समजणे
- DAW एकत्रीकरण: डिजिटल ऑडिओ वर्कस्टेशन्समध्ये थेट एकत्रीकरण
८.२ उद्योगावर परिणाम
AI संगीत निर्मितीमुळे संगीत उद्योगात मूलभूत बदल होणार आहेत:
- निर्मितीचे लोकशाहीकरण: कोणीही AI च्या मदतीने संगीत तयार करू शकते
- नवीन व्यवसाय मॉडेल्स: AI-निर्मित संगीतासाठी नवीन किंमत आणि वितरण मॉडेल्स
- कॉपीराइट सुधारणा: AI-निर्मित सामग्रीसाठी नवीन कायदेशीर चौकटीची आवश्यकता
Lyria 3.5 हे AI संगीत निर्मितीमधील एक महत्त्वपूर्ण पाऊल आहे. अधिक नैसर्गिक संगीतात्मकता, सुधारित गीतलेखन, अधिक भावनिक स्वर आणि वर्धित सर्जनशील नियंत्रण या सर्व बाबी मिळून हे मॉडेल AI संगीताला एका नवीन स्तरावर नेते.
तथापि, या तांत्रिक प्रगतीला कायदेशीर आव्हानांचा सामना करावा लागत आहे. कॉपीराइट उल्लंघनाचा खटला आणि प्रशिक्षण डेटाबद्दलची अस्पष्टता यामुळे Lyria 3.5 चे भवितव्य अद्याप अनिश्चित आहे.
भारतासारख्या देशांसाठी, Lyria 3.5 मोठ्या संधी आणि आव्हाने दोन्ही घेऊन आले आहे. भारतीय संगीताची समृद्ध परंपरा आणि भाषिक विविधता AI संगीतासाठी एक अद्वितीय बाजारपेठ आहे. पण त्याचबरोबर, गीतकार, संगीत दिग्दर्शक आणि कलाकारांच्या भूमिकांवर होणारा परिणाम चिंतेचा विषय आहे.
शेवटी, Lyria 3.5 हे एक सामर्थ्यशाली साधन आहे. पण कोणत्याही साधनाप्रमाणे, त्याचा वापर कसा केला जातो — आणि कोणत्या नियमांतर्गत — हे त्याचा खरा परिणाम ठरवेल. AI संगीताचा उदय ही केवळ तांत्रिक क्रांती नाही, तर एक सांस्कृतिक आणि कायदेशीर क्रांती देखील आहे. या क्रांतीचा फायदा सर्वांना, विशेषतः कलाकारांना, कसा होईल हे पाहणे महत्त्वाचे असेल.
संदर्भ
१. Google Official Blog. “We’re launching Lyria 3.5 in Google Flow Music”
२. Music Business Worldwide. “Watch out, Suno: Google has upgraded its Lyria AI music model”
३. TechTimes. “Google’s Lyria 3.5 Sharpens Vocals and Lyrics While Rivals Fight in Court”
४. Yahoo Tech. “Google’s Lyria 3.5 sets the tempo for ‘creative control’ in Flow Music”
५. FoneArena. “Google Flow Music gets Lyria 3.5 with improved lyrics, vocals and creative controls”
६. Gigazine. “Google has released ‘Lyria 3.5′”
७. Jagat Review. “Google Rilis Lyria 3.5”
8. Digital Music News. “Indie Artist Coalition Files Major Lawsuit Against Google”
１０. Billboard. “YouTube Terms of Service Allow AI Music Training, Google Says”