Lyria 3.5: Clip oder Pro im Vergleich

Beim Vergleich Lyria 3.5 Clip oder Pro gilt: Clip eignet sich für 30-Sekunden-Assets und das kostengünstige Austesten einer musikalischen Richtung. Pro lohnt sich erst, wenn ein Song über Strophen, Refrains, Bridges oder einen längeren Schnitt hinweg schlüssig bleiben muss. Der aktuelle API-Preis beträgt $0.04 für eine Clip-Anfrage und $0.08 für eine Full-Song-Anfrage – allerdings ist Googles derzeitige Benennung weniger eindeutig, als die Suchanfrage vermuten lässt.

Lyria 3.5: Clip oder Pro – welches Modell passt?

Clip ist die richtige Wahl, wenn das Ergebnis höchstens 30 Sekunden lang sein soll oder die musikalische Richtung noch nicht feststeht. Das Full-Song-Modell empfiehlt sich, sobald das Arrangement selbst zum Lieferumfang gehört. Konkret heißt das: Clip für Musikbetten in Social Media, Stinger, Loops und Variantenprüfungen; Full Song für Produktfilme, Podcast-Themes mit Entwicklung, Kampagnenhymnen und alle Tracks, die erst mit Intro, Strophe, Refrain, Bridge und Schluss bewusst gestaltet wirken.

Google Lyria 3 Clip ist das Modell für kurze Formate, das derzeit unter lyria-3-clip-preview dokumentiert ist. Die feste Länge von 30 Sekunden im MP3-Format ist ein Vorteil, wenn ein Team acht Richtungen hören möchte, bevor es eine freigibt: Jede verworfene Idee bleibt kurz und günstig.

Länge sollte erst gekauft werden, wenn die Richtung steht. Wer in der Kreativleitung zwischen klarer Elektronik, warmer Akustik und orchestraler Spannung wählt, braucht dafür nicht mehrere komplette Songs. Hook, Klangpalette, Tempo und Stimmbehandlung in einer kurzen Hörprobe reichen meist für diese Entscheidung.

Lyria 3.5 ist das Full-Song-Modell, das aktuell unter lyria-3.5 dokumentiert ist. Die zusätzlichen vier Cent zahlen sich aus, wenn Kontinuität zählt: Eine Melodie muss wiederkehren, die Energie steigen und einzelne Abschnitte müssen an sinnvollen Stellen einsetzen, statt wie separat erzeugte Fragmente zu wirken.

Bei 60 Sekunden kippt die Entscheidung. Unterhalb dieser Marke ist Clip die günstigere, direkt passende Lösung. Bei 60 Sekunden kosten zwei Clip-Anfragen ebenso wie eine Full-Song-Anfrage $0.08. Darüber kostet eine erfolgreiche Full-Song-Anfrage weniger als das Aneinanderreihen weiterer 30-Sekunden-Generierungen – und sie erhält einen einheitlichen musikalischen Bogen.

Was mit Lyria 3.5 Clip vs Pro tatsächlich gemeint ist

In der aktiven API gibt es derzeit keine zwei Endpunkte mit den Namen Lyria 3.5 Clip und Lyria 3.5 Pro. Der Abgleich mit Googles Leitfaden, Changelog, Modellseiten und Preisseite vom 4. September 2026 zeigt: Die kurze Variante bleibt Lyria 3 Clip unter lyria-3-clip-preview; die neue Full-Song-Variante ist Lyria 3.5 unter lyria-3.5. Im erklärenden Text bezeichnet Google Letztere weiterhin als „Pro model“. Deshalb ist die Suchformulierung nachvollziehbar, auch wenn die Endpunktnamen nicht sauber dazu passen.

Für die Produktion ist dieser Unterschied entscheidend. Eine Modellbezeichnung in einer Planungspräsentation darf angenähert sein. Eine Modell-ID in einer API-Anfrage darf es nicht. Wer die vorgesehenen, aber nicht dokumentierten Zeichenfolgen lyria-3.5-clip-preview oder lyria-3.5-pro-preview sendet, baut einen Workflow auf Namen auf, die auf den aktuellen Live-Seiten nicht vorkommen.

Googles Versionshinweis vom 3. September kündigt lyria-3.5 als öffentliche Vorschau für die Erzeugung vollständiger Songs an. Dasselbe Changelog führt das ältere Paar aus Clip und Pro für den 25. März auf; der aktuelle Leitfaden stellt dem verbliebenen Clip-Endpunkt nun den neuen Full-Song-Endpunkt Lyria 3.5 gegenüber. Sinnvoll ist daher der Vergleich zwischen kurzer Iteration und Full-Song-Produktion – nicht zwischen zwei eindeutig benannten 3.5-Stufen.

Lyria 3.5 API: Preise und die Schwelle bei 60 Sekunden

Clip ist pro Anfrage günstiger; sobald der benötigte Track länger als eine Minute ist, wird das Full-Song-Modell pro erzeugter Minute günstiger. Googles aktuelle Preisseite, geprüft am 4. September 2026, weist für keine der beiden Varianten eine kostenlose API-Stufe aus. Lyria 3 Clip Preview kostet $0.04 pro Song, Lyria 3.5 Full Song $0.08 pro Song.

Bei 100 Anfragen ergeben sich damit $4 für Clip und $8 für Full Song. Für ein Experimentierbudget ist dieser Vergleich hilfreich, als Vergleich der Ergebnisse jedoch unfair, weil sie unterschiedlich lang sind. Maßgeblich ist das tatsächlich benötigte Asset:

• Ein 30-sekündiges Musikbett für Social Media kostet mit Clip $0.04 und mit dem Full-Song-Modell $0.08. Clip gewinnt.
• Ein 60-sekündiges Musikbett aus zwei Clip-Generierungen kostet $0.08. Eine Full-Song-Anfrage kostet ebenfalls $0.08. Preislich herrscht Gleichstand, strukturell ist Full Song im Vorteil.
• Ein 120-sekündiger Track aus vier Clip-Generierungen kostet $0.16. Eine erfolgreiche Full-Song-Anfrage kostet $0.08. Full Song gewinnt sowohl bei den Kosten als auch bei der Kontinuität.

Diese Rechnung geht davon aus, dass keine Wiederholungsversuche nötig sind und eine Full-Song-Anfrage die gewünschte Dauer erreicht. Sie unterstellt außerdem nicht, dass zwei voneinander unabhängige 30-Sekunden-Ergebnisse beim Zusammenfügen einen Song ergeben. Die Zahlen markieren den Punkt, an dem sich die Anfragekosten verschieben. Sobald Abschnitte ineinandergreifen müssen, spricht die kreative Einschränkung noch deutlicher für Full Song.

Das bessere Budgetmodell ist ein Trichter: Zunächst werden acht musikalische Richtungen mit Clip für $0.32 getestet, anschließend zwei Finalisten für weitere $0.16 zu vollständigen Songs ausgebaut. Die Gesamtkosten liegen bei $0.48. Würden alle acht Richtungen als vollständige Songs getestet, wären es $0.64. Der Hybridansatz spart also vor Wiederholungsversuchen $0.16 beziehungsweise 25%.

Dieses Prinzip lässt sich als Sketch-to-Score-Gate bezeichnen: Günstige kurze Ergebnisse entscheiden darüber, welche Idee zusätzliche Länge verdient. Es geht dabei um mehr als eine Optimierung um vier Cent. Zugleich müssen Prüfer keine vollständigen Arrangements anhören, deren grundlegendes Genre, deren Stimme oder deren Instrumentierung schon in den ersten zehn Sekunden nicht passte.

Kategoriesieger: Clip unter 60 Sekunden, Lyria 3.5 Full Song über 60 Sekunden. Beim Gleichstand nach genau einer Minute sollte nicht der Anfragepreis, sondern die Kohärenz entscheiden.

Schneller iterieren: Clip gewinnt beim Austesten

Clip eignet sich besser für kreative Iterationen, weil der feste Umfang alle Varianten vergleichbar macht. Google hat keinen Latenz-Benchmark für die beiden aktuellen Endpunkte veröffentlicht. „Schneller“ meint hier daher ein kürzeres Asset, das weniger Zeit für Generierung, Prüfung, Kennzeichnung und Ablehnung beansprucht – keinen behaupteten Vorteil bei der Servergeschwindigkeit.

Ein Beispiel ist ein Markenteam, das einen 30-sekündigen Produkt-Teaser schneidet. Es muss weiterhin entscheiden, ob der Soundtrack präzise, verspielt, luxuriös oder dringlich wirken soll. Eine vollständige Strophe samt Bridge liefert in dieser Phase keinen zusätzlichen Entscheidungswert. Acht Kandidaten mit identischer Länge ermöglichen den Vergleich desselben Ausschnitts über Genre, BPM, Tonart, Instrumentierung und Stimmbehandlung hinweg.

Entscheidend für die handwerkliche Qualität ist, ob der Einstieg zum Schnitt passt. Zu prüfen sind ein klarer erster Beat, Raum für Dialog, eine brauchbare Steigerung bis zur Produktenthüllung und ein Schluss, der sich schneiden lässt, ohne abgehackt zu klingen. Soll der Track als Loop funktionieren, muss außerdem das Ende ohne auffälligen harmonischen Sprung wieder an den Anfang anschließen können. Für diese klar begrenzte Aufgabe ist Clip nach redaktioneller und rechtlicher Prüfung einsatzbereit.

Sobald die Arbeit von einer zeitlichen Entwicklung lebt, taugt Clip nur noch als klangliches Moodboard. Eine vielversprechende 30-sekündige Textur beweist weder, dass ein Refrain seine Wirkung entfaltet, noch dass eine zweite Strophe intelligent variiert oder ein zweiminütiger Bogen zusammenhängend bleibt. Die Freigabe als Full-Song-Lösung wäre, als würde ein Farbmuster zum fertigen Erscheinungsbild erklärt.

Kategoriesieger: Lyria 3 Clip. Gerade die Begrenzung macht das Modell effizient, solange die musikalische Richtung noch nicht freigegeben ist.

Steuerung und Kohärenz: Pro gewinnt beim Arrangement

Das Full-Song-Modell gewinnt, sobald Zeit zum Gestaltungsmaterial wird. Googles Leitfaden zur Musikgenerierung dokumentiert Abschnitts-Tags wie [Intro], [Verse], [Chorus], [Bridge] und [Outro]. Hinzu kommen Zeitmarken, die dem Modell mitteilen, wann Instrumente, Liedtexte und Energieänderungen einsetzen sollen. Festlegen lassen sich außerdem Genre, Instrumente, BPM, Tonart oder Tonleiter, Stimmung, eigene Liedtexte und die gewünschte Dauer.

Für einen 90-sekündigen Produktfilm ist diese Steuerung praktisch. Der Anfang kann Raum für den Sprecher lassen, der Beat kann sich bei der Enthüllung des Features öffnen und die letzte Phrase unter dem Logo zur Auflösung kommen. Ein allgemeiner Prompt beschreibt eine Stimmung. Ein strukturierter Prompt gibt der Musik eine Aufgabe innerhalb der Zeitleiste.

Steuerung ist allerdings nicht dasselbe wie Bearbeitung. Google beschreibt die Musikgenerierung zudem als Single-Turn-Prozess: Ein zurückgegebener Song lässt sich nicht in einem Folge-Turn gezielt nur im zweiten Refrain leiser machen. Die nächste Anfrage erzeugt ein neues Ergebnis, und derselbe Prompt kann anders ausfallen. Die Abnahme sollte daher auf vollständige Takes ausgerichtet sein, nicht auf punktuelle Korrekturen.

Damit ist der Aufbau des Prompts wichtiger als sprachliche Eleganz. Ein brauchbares Briefing nennt zuerst das gewünschte Ergebnis, anschließend die musikalische Grammatik und zuletzt die Zeitleiste:

Ein 90-sekündiger instrumentaler Score für einen Produktfilm bei 112 BPM in D-Moll. Gedämpfter Analogbass, trockene elektronische Drums und ein heller arpeggierter Synthesizer. 0:00-0:12 für den Sprecher sparsam halten, bei 0:12 Percussion ergänzen, bei 0:42 die Hauptsteigerung erreichen, bei 1:05 zurücknehmen und bis 1:30 sauber enden. Kein Gesang.

Die Zeitmarken garantieren keinen brauchbaren Take. Sie machen Fehler jedoch eindeutig benennbar. Wer prüft, kann feststellen, dass die Steigerung zu spät kam oder das Musikbett dem Sprecher zu wenig Raum ließ, und anschließend genau eine Anweisung für den nächsten vollständigen Take ändern.

Wann sich Lyria Full Song Generation und Pro auszahlen

Full Song lohnt sich, wenn ein durchgehender musikalischer Bogen wertvoller ist als doppelt so viele Skizzen. Typische Fälle sind Ergebnisse über 60 Sekunden, ein wiederkehrendes melodisches Motiv, zeitlich festgelegte Abschnitte, eigene Liedtexte oder ein Schluss, der sich auflösen statt wiederholen soll.

Das Full-Song-Modell ist auch dann die sicherere Wahl, wenn ein Editor innerhalb einer Datei Auswahlmöglichkeiten braucht. Ein zusammenhängendes Intro, eine energiearme Strophe, ein energiereicher Refrain und ein sauberer Schluss schaffen mehrere brauchbare Schnittpunkte, ohne voneinander unabhängige Generierungen zusammenzusetzen. MP3 bleibt gegenüber Stems oder einer editierbaren Session eine eingeschränkte Übergabe. Ein geordneter Track kommt einem Produktions-Asset dennoch deutlich näher als vier unverbundene Clips.

Kategoriesieger: Lyria 3.5 Full Song. Der Aufpreis kauft Arrangementumfang und Steuerung – nicht bloß mehr Sekunden.

Welcher KI-Musik-API-Workflow passt zum Projekt?

Die API sollte als zweistufiges System für die kreative Abnahme dienen, nicht als Glücksspielautomat. Google selbst empfiehlt, zunächst mit dem Clip-Endpunkt zu iterieren und sich erst danach mit Lyria 3.5 auf eine vollständige Generierung festzulegen. Der stärkste Workflow verwendet in beiden Phasen dasselbe musikalische Briefing und verändert lediglich Dauer und Strukturebene.

So sieht der Vorher-nachher-Vergleich für ein Briefing zum Produktstart aus. Der schwache Ausgangsprompt lautet: „Erstelle moderne, schwungvolle Musik für ein Produktvideo.“ Offen bleiben Genre, Tempo, tonales Zentrum, Instrumentierung, Stimmvorgabe, Schnittpunkte und Schluss. Jedes Ergebnis ließe sich rechtfertigen – und genau deshalb bleibt auch das Feedback unscharf.

Der verbesserte Clip-Prompt lautet: „Ein 30-sekündiger instrumentaler Produkt-Teaser bei 112 BPM in D-Moll, mit gedämpftem Analogbass, trockenen elektronischen Drums und einem hellen arpeggierten Synthesizer. Präzise und selbstbewusst, nicht aggressiv. Sauber beginnen, bei 12 Sekunden steigern und mit einem aufgelösten Akzent enden. Kein Gesang.“ Das verspricht kein besseres Ergebnis. Es schafft einen besseren Test, weil die Prüfer eine konkrete Richtung anhand eindeutiger Kriterien bewerten können.

1. 1

   Abnahmekriterien festlegen

   Vor der Generierung vier Prüfungen notieren: Der erste Beat unterstützt den Schnitt, der Dialog hat Raum, die Steigerung trifft die Enthüllung und der Schluss lässt sich sauber schneiden. Dazu kommen markenspezifische Ausschlüsse wie kein Gesang oder keine Retro-Drums.

2. 2

   Mit Clip Varianten testen

   Die Dauer bleibt bei 30 Sekunden. Pro Runde wird eine wesentliche Variable verändert, etwa Genre, Instrumentenfamilie oder Energie; die Aufgabe für den Produktfilm bleibt gleich. Jedes Ergebnis wird nach der geprüften Entscheidung benannt, nicht nach einer beliebigen Take-Nummer.

3. 3

   Die beste Richtung ausbauen

   Das freigegebene Genre sowie BPM, Tonart, Instrumentenpalette und Stimmung werden in den Full-Song-Prompt übernommen. Abschnitts-Tags oder Ereignisse mit Zeitmarken kommen erst jetzt hinzu, denn Struktur ist teuer in der Prüfung, solange die Richtung noch nicht freigegeben ist.

4. 4

   Die Übergabe prüfen

   Die MP3 und der zurückgegebene Liedtext beziehungsweise Strukturtext werden gemeinsam gespeichert. Vor der Weitergabe an den Schnitt sind die tatsächliche Abtastrate, Lautheit, Anfang und Ende, sicherheitsrelevante Inhalte sowie das Vorhandensein aller angeforderten Abschnitte zu prüfen.

5. 5

   Außerhalb des Generators fertigstellen

   Der Track wird gekürzt, gepegelt, angeordnet und am finalen Bild getestet. Werden Stems benötigt, ist zu beachten, dass die dokumentierte API-Antwort eine MP3 samt Text liefert und keine Mehrspur-Session.

Bei einem 30-sekündigen Werbespot ist nach Clip Schluss, sofern das Ergebnis die Abnahmekriterien erfüllt. Für einen 90-sekündigen Produktfilm dient Clip nur zur Wahl des Sounds; der endgültige Bogen entsteht anschließend mit Lyria 3.5. Auch für einen sehr kurzen Stinger passt Clip am ehesten, das 30-sekündige Ergebnis muss aber voraussichtlich gekürzt werden. Für interaktive Musik in Echtzeit eignet sich keines der beiden Modelle; Google verweist Entwickler stattdessen auf Lyria RealTime.

Lyria 3.5 API: Ausgabe-Workflow und Produktionslücken

Die aktuelle Übergabe reicht für ein fertiges Stereo-Asset aus, bietet für eine detaillierte Musikproduktion aber zu wenig. Beide Einträge nutzen Googles Interactions API, akzeptieren Text- und Bildeingaben und liefern MP3-Audio sowie Text für Liedtext oder Struktur zurück. Eine Mehrspur-Session, mit der ein Produzent Gesang, Drums und Bass unabhängig voneinander neu ausbalancieren könnte, stellen sie nicht bereit.

Die erste Produktionslücke betrifft die Bearbeitung. Jede Generierung ist ein Single-Turn-Vorgang. Ein ausgewählter Clip lässt sich daher nicht im Dialog zum selben Song verlängern, und ein Full-Song-Take kann nicht per Folge-Prompt punktuell repariert werden. Prompts sind als reproduzierbare Briefings zu behandeln, nicht als editierbare Projektdateien.

Die zweite Lücke liegt im skalierten Betrieb. Die aktuellen Modellseiten für Clip und Full Song nennen ein Eingabelimit von 131,072 Token. Gleichzeitig weisen sie Batch API, Flex inference und Priority inference als nicht unterstützt aus. Wer einen planbaren Massenkatalog oder einen garantierten Prioritätsweg benötigt, darf nicht davon ausgehen, dass die üblichen Vorschau-Endpunkte dies bieten.

Die dritte Lücke ist die uneinheitliche Dokumentation. Laut gemeinsamem Leitfaden erzeugt das aktuelle Paar Stereo mit 44.1 kHz, während die weiterhin aktive Clip-Modellseite für diesen Endpunkt 48 kHz nennt. Aus keiner der beiden Aussagen sollte eine feste Importregel abgeleitet werden. Stattdessen sind die Metadaten der zurückgegebenen Datei auszulesen, das Audio in der Nachbearbeitung zu normalisieren und das Original aufzubewahren.

Google versieht Lyria-Audio mit SynthID. Nach Angaben des Unternehmens ist das Wasserzeichen unhörbar und soll auch nach gängigen Veränderungen wie MP3-Komprimierung, hinzugefügtem Rauschen und Geschwindigkeitsänderungen erkennbar bleiben. Für die Herkunftsdokumentation ist das nützlich, ersetzt aber weder ein eigenes Asset-Protokoll und einen Prompt-Nachweis noch die Prüfung von Quellenrechten und Offenlegungsvorgaben.

Googles API-Bedingungen besagen, dass das Unternehmen keinen Eigentumsanspruch auf generierte Inhalte erhebt. Für die rechtmäßige Nutzung und mögliche Pflichten zur Namensnennung bleiben jedoch die Nutzer verantwortlich. Prompts und Antworten der kostenpflichtigen Gemini API werden nicht zur Verbesserung von Googles Produkten verwendet, wobei eine begrenzte Protokollierung zu Sicherheitszwecken bestehen bleibt. Geschäftliche Projekte sollten über ein kostenpflichtiges Cloud-Projekt laufen. Aus „Google erhebt keinen Eigentumsanspruch“ folgt weder Exklusivität noch eine Zusicherung, dass keine Rechte verletzt werden.

Kategoriesieger: keines der beiden Modelle. Die gemeinsame Interactions API und die MP3-Übergabe sind unkompliziert, beide Varianten haben jedoch die Einschränkungen einer Vorschau. Clip ist nach Prüfung für klar begrenzte kurze Assets einsatzbereit. Das Full-Song-Modell ist für Stereoentwürfe und weniger kritische finale Musikbetten geeignet; unverwechselbare Musik, Veröffentlichungen mit Stem-Bedarf und präzise gemischte Kundenmaster benötigen weiterhin eine Produktionsstufe außerhalb der API.

Wenn tatsächlich eine wiederverwendbare Klangidentität statt einzelner Tracks gefragt ist, lohnt sich der Vergleich dieses Workflows mit dem API-Ansatz für ElevenLabs Music Finetunes. Soll der erzeugte Track in einen vollständigen visuellen Schnitt einfließen, behandelt der Vergleich von KI-Musikvideo-Generatoren die anschließende Zusammenstellung.

Von Clip zu Pro wechseln: Was ändert sich?

Der Modellwechsel kostet bei den gespeicherten Daten fast nichts, verändert den Workflow aber stärker, als es zunächst scheint. Beide Wege laufen über die Interactions API, sodass das grundlegende Anfrage- und Antwortmuster vertraut bleibt. Prompt, Asset-Vertrag und Prüfmaßstab ändern sich hingegen.

Zuerst bleibt der freigegebene Clip-Prompt als maßgebliche Quelle erhalten. Genre, BPM, Tonart, Instrumentierung, Stimmung und Stimmvorgabe werden in das Full-Song-Briefing übernommen. Anschließend kommt die für das längere Asset nötige Struktur hinzu: Abschnitts-Tags, Timing, Energieänderungen und ein ausdrücklich definierter Schluss.

Zweitens wird die Modell-ID über die Konfiguration geändert. Der kurze Endpunkt heißt lyria-3-clip-preview, der aktuelle Full-Song-Endpunkt lyria-3.5. Beide Namen kennzeichnen eine Vorschauphase. Eine fest im Code mehrerer Dienste verankerte ID schafft deshalb vermeidbare Abhängigkeiten, wenn Google den Vertrag erneut ändert.

Drittens muss die Qualitätssicherung angepasst werden. Bei einem Clip wird geprüft, ob eine Idee 30 Sekunden lang funktioniert. Bei einem vollständigen Song geht es zusätzlich darum, ob Motive schlüssig wiederkehren, Übergänge berechtigt wirken, Liedtexte brauchbar bleiben, der Mittelteil Wiederholungen vermeidet und der Schluss aufgelöst wird. Dieser zusätzliche Hör- und Redaktionsaufwand ist der eigentliche Preis des Wechsels.

Vom ausgewählten Clip ist keine Kontinuität zu erwarten. Weil eine Bearbeitung über mehrere Turns nicht unterstützt wird, erzeugt die Full-Song-Anfrage eine neue Interpretation des Briefings und keine Verlängerung exakt desselben Audios. Der freigegebene Clip dient als Richtungsreferenz. Muss seine konkrete Melodie oder Stimmperformance erhalten bleiben, garantiert dieser Workflow den Übergang nicht.

Wer sollte nicht wechseln? Bei ausschließlich kurzen Musikbetten für Social Media, Loops, Bumpern oder Prototypen ist Clip die passende Wahl. Keiner der beiden Endpunkte sollte die Grundlage bilden, wenn deterministische Neugenerierung, native Stems, ein dokumentierter Batch-Weg, Priority inference oder die lokale Reparatur eines einzelnen Abschnitts erforderlich sind. Das sind Anforderungen an den Workflow – kein Anlass zu hoffen, ein längeres Modell werde sich wie eine Digital Audio Workstation verhalten.

Benchmarks: Was belegt ist – und was nicht

Kein aktueller Benchmark belegt, dass das Full-Song-Modell bei demselben 30-sekündigen Briefing besser klingt als Clip. Laut Googles Modellkarte zu Lyria 3.5 ergaben die eigenen Bewertungen durch Menschen und automatisierte Verfahren eine deutliche Verbesserung der Audiotreue gegenüber Lyria 2 sowie eine bessere Prompt-Befolgung bei Liedtexten. Numerische Werte und ein direkter Vergleich zwischen kurzer und vollständiger Songerzeugung werden jedoch nicht veröffentlicht.

Dabei handelt es sich um eine Anbieterbewertung, nicht um einen unabhängigen Vergleich. Eine wissenschaftliche Untersuchung zur Vereinheitlichung von KI-Musik aus dem Jahr 2026 vergleicht Lyria 3 über mehrere Genres hinweg mit Suno – nicht das aktuelle Paar aus kurzer und vollständiger Songerzeugung. Ihre Ergebnisse lassen sich nicht auf diese Entscheidung übertragen.

Der belastbare Maßstab für die Kaufentscheidung ist operativ: Eignung für die gewünschte Dauer, Einhaltung der Struktur, brauchbare Schnittpunkte, Ablehnungsquote und Nachbearbeitungsaufwand beim eigenen lizenzierten Briefing. Solange kein unabhängiger Prüfer übereinstimmende Prompts und vollständige Ausgaben beider aktueller Endpunkte veröffentlicht, wäre jeder allgemeingültige Sieger bei der Audioqualität reine Spekulation.

Der konkrete Schritt am Montag

Am Montag wird ein echter 30-sekündiger Kampagnenschnitt ausgewählt. Vor dem Öffnen der API sind vier Abnahmekriterien festzulegen. Anschließend entstehen acht Clip-Richtungen, wobei jeweils eine aussagekräftige Variable verändert wird. Nur die besten zwei kommen weiter – und auch nur, wenn sie dasselbe Prüfraster bestehen.

Ist das finale Ergebnis kurz, wird der gewählte Clip fertiggestellt und in den Schnitt übernommen. Benötigt die Kampagne zusätzlich einen längeren Produktfilm oder ein Theme, werden die beiden Briefings mit zeitmarkierter Struktur an das Full-Song-Modell weitergegeben. Die reinen Generierungskosten für acht Varianten und zwei Full-Song-Finalisten betragen $0.48.

Jede MP3 wird zusammen mit ihrem Prompt, dem zurückgegebenen Strukturtext, der Modell-ID und dem Generierungsdatum gespeichert. Die Dateimetadaten sind zu prüfen, statt eine Abtastrate vorauszusetzen. Bewertet wird die Musik am Bild, nicht isoliert. So erhält das Team einen wiederholbaren Entscheidungsnachweis, obwohl das Modell weder Bearbeitung über mehrere Turns noch deterministische Neugenerierungen bietet.

Häufig gestellte Fragen

Sollte Lyria 3.5 Clip oder Pro für Geschäftsmusik eingesetzt werden?

Clip eignet sich, um eine 30-sekündige musikalische Richtung, ein kurzes Werbemusikbett, einen Loop, einen Bumper oder eine Vorschau freizugeben. Der aktuelle Full-Song-Endpunkt von Lyria 3.5 passt, wenn das Ergebnis länger als 60 Sekunden sein, zeitlich festgelegte Abschnitte enthalten oder ein zusammenhängendes Arrangement bilden soll.

Kann Lyria Clip vollständige Songs erzeugen?

Nein. Laut Googles aktuellem Leitfaden erzeugt der Clip-Endpunkt immer 30 Sekunden. Mehrere Clips lassen sich zusammenschneiden, sind jedoch separate Generierungen und bieten nicht die Kontinuität einer einzigen Full-Song-Anfrage.

Wie lang können Songs von Lyria 3.5 sein?

Der Leitfaden zur Gemini API verspricht Songs von einigen Minuten, deren Dauer vom Prompt beeinflusst wird. Auf der allgemeineren Produktseite von Google DeepMind sind Tracks von bis zu drei Minuten zu sehen. Solange die API-Dokumentation dies nicht ausdrücklich bestätigt, ist das jedoch keine exakte Garantie für die API.

Wie groß ist der Preisunterschied zwischen Lyria Clip und Pro?

Die aktuellen Preise der kostenpflichtigen API liegen bei $0.04 für eine Anfrage an Lyria 3 Clip und $0.08 für eine Full-Song-Anfrage an Lyria 3.5; eine kostenlose API-Stufe ist nicht aufgeführt. Clip kostet pro Anfrage die Hälfte. Oberhalb der Schwelle von 60 Sekunden wird Full Song pro erzeugter Minute günstiger, sofern eine Anfrage die gewünschte Dauer erreicht.

Bevor KI-Musik Teil eines Produktions-Workflows wird, hilft die Checkliste für das KI-Business-Workflow-Audit.