Lyria 3.5 Clip 与 Pro 怎么选？价格、时长和工作流详解

对比 Lyria 3.5 Clip 和 Pro：如果要制作 30 秒素材，或用较低成本探索音乐方向，选 Clip；只有当歌曲需要在主歌、副歌、桥段之间保持连贯，或用于更长的剪辑时，才选 Pro。当前 API 价格为 Clip 每次请求 $0.04、完整歌曲每次请求 $0.08，不过 Google 线上实际采用的命名，并没有这个搜索问题看起来那么整齐。

Clip 和 Pro 应该怎么选？

交付物不超过 30 秒，或者音乐方向尚未敲定，就选 Clip。编曲本身也是交付物的一部分，则应选完整歌曲模型。换句话说，社交媒体配乐、片头音效、循环音乐和方向试听适合 Clip；产品影片、有发展层次的播客主题曲、营销主题歌，以及需要前奏、主歌、副歌、桥段和收尾形成完整听感的曲目，更适合完整歌曲模型。

Google Lyria 3 Clip 是面向短内容的模型，目前文档中的型号为 lyria-3-clip-preview。当团队需要先听八种方向再批准其一时，固定 30 秒的 MP3 反而是优势：每个被淘汰的方案都短，成本也低。

方向还没定，就不要先为时长买单。创意总监要在清爽电子、温暖原声和管弦张力之间做选择，并不需要先听几首完整歌曲。短样片里的钩子、音色组合、速度和人声处理，通常已经足够做出判断。

Lyria 3.5 是完整歌曲模型，目前文档中的型号为 lyria-3.5。当连贯性很重要时，多花的四美分就有价值：旋律需要回归、能量需要递进，各段也要在合适的时间出现，而不是像若干独立生成的片段拼在一起。

60 秒是选择反转的分界点。低于这个时长，Clip 是更便宜、也更直接的匹配。在 60 秒时，两次 Clip 请求与一次完整歌曲请求同为 $0.08。超过这个时长，一次成功的完整歌曲请求比叠加更多 30 秒生成结果更便宜，还能保住统一的音乐脉络。

Lyria 3.5 Clip vs Pro：Google 所说的 Lyria 3.5 到底是什么

目前线上 API 并没有同时提供名为 Lyria 3.5 Clip 和 Lyria 3.5 Pro 的两个端点。根据 2026 年 9 月 4 日核对过的 Google 指南、更新日志、模型页面和价格页，短版本仍是 Lyria 3 Clip，型号为 lyria-3-clip-preview；新的完整歌曲版本是 Lyria 3.5，型号为 lyria-3.5。Google 指南的说明文字仍把后者称作 “Pro model”，所以用户这样搜索并不奇怪，只是端点名称并未一一对应。

这一区别在生产环境中很重要。策划文档里的模型名称可以近似，API 请求里的模型 ID 却不能。若采用计划中却没有出现在当前线上页面的 lyria-3.5-clip-preview 或 lyria-3.5-pro-preview，整个工作流都会建立在并不存在的名称上。

Google 的 9 月 3 日发布说明宣布 lyria-3.5 以公开预览形式提供完整歌曲生成。同一份更新日志在 3 月 25 日记录了较早的 Clip 与 Pro 组合，而当前指南已经改为将仍在使用的 Clip 端点与新的 Lyria 3.5 完整歌曲端点配对。因此，真正有用的比较是短内容迭代与完整歌曲制作，而不是两个命名规整的 3.5 档位。

Lyria 3.5 价格与 60 秒成本分界

Clip 单次请求更便宜；所需曲目一旦超过一分钟，完整歌曲模型的每生成分钟成本就更低。Google 的线上价格页已于 2026 年 9 月 4 日核对：两种方案都没有免费的 API 档位。Lyria 3 Clip Preview 每首 $0.04，Lyria 3.5 Full Song 每首 $0.08。

按 100 次请求计算，Clip 为 $4，完整歌曲为 $8。这个对比适合估算试验预算，却不是公平的产出比较，因为结果时长不同。应按真正需要的素材来归一化：

• 一段 30 秒的社交媒体配乐，用 Clip 是 $0.04，用完整歌曲模型是 $0.08。Clip 胜出。
• 一段由两次 Clip 生成结果拼成的 60 秒配乐，成本为 $0.08；一次完整歌曲请求也是 $0.08。价格持平，但完整歌曲在结构上占优。
• 一段由四次 Clip 生成结果拼成的 120 秒曲目，成本为 $0.16；一次成功的完整歌曲请求为 $0.08。完整歌曲在成本和连贯性上都胜出。

以上数字假设没有重试，并且一次完整歌曲请求就能达到目标时长。它们也没有假装两个互不相关的 30 秒结果拼起来就能成为一首歌。这组计算只说明请求成本何时发生变化；一旦各段必须衔接，创意层面的限制会让完整歌曲的优势更明显。

更合理的预算方式是漏斗式筛选。先用 Clip 试听八个音乐方向，花费 $0.32；再把两个入围方案升级成完整歌曲，另花 $0.16，总成本为 $0.48。若八个方向全部用完整歌曲试听，则需 $0.64。混合方案在重试前可节省 $0.16，也就是 25%。

可以把它称为从草稿到成曲的闸门：先由便宜的短结果判断哪个方向值得延长。这不只是节省四美分，也能避免评审人员把整段编曲听完后，才发现曲风、人声或配器在前十秒就已经错了。

本项胜者：60 秒以内选 Clip，60 秒以上选 Lyria 3.5 完整歌曲。 恰好一分钟时价格打平，此时应由连贯性而不是请求价格来决定。

迭代效率：Clip 更适合试听方向

Clip 在创意迭代中占优，因为固定范围让所有方案都能直接比较。Google 没有公布当前两个端点的延迟基准，因此这里的“更快”是指素材更短，生成、审听、标记和淘汰所需时间更少，并不是声称服务器速度更快。

以制作 30 秒产品预告片的品牌团队为例，团队仍要决定配乐应当精准、活泼、奢华还是紧迫。在这个阶段，完整的主歌和桥段不会增加决策价值。八个固定时长的候选版本，可以让评审人员在曲风、BPM、调性、配器和人声处理上比较同一个时间窗口。

质量标准是开场能否贴合画面。要听首拍是否干净、对白是否留有空间、产品亮相时是否有可用的能量抬升，以及结尾能否利落剪断而不显得突兀。如果曲目需要循环，还要检查尾部接回开头时会不会出现明显的和声跳变。经过编辑和权利审查后，Clip 足以直接交付这种边界清晰的任务。

当作品依赖随时间展开的发展时，Clip 就只能充当情绪板。一个不错的 30 秒音色片段，无法证明副歌会有足够回报、第二段主歌会聪明地变化，或两分钟的整体走向能保持连贯。把它直接批准为完整歌曲方案，无异于把一张色卡当成完整的视觉识别系统。

本项胜者：Lyria 3 Clip。 音乐方向获批前，恰恰是它的限制让迭代更高效。

控制力与连贯性：Pro 赢在编曲

一旦时间本身成为设计材料，完整歌曲模型就占优势。Google 的音乐生成指南列出了 [Intro]、[Verse]、[Chorus]、[Bridge] 和 [Outro] 等段落标签，还支持用时间戳指定乐器、歌词与能量变化何时出现。曲风、乐器、BPM、调或音阶、情绪、自定义歌词和目标时长也都可以指定。

这种控制力对 90 秒产品影片很实用：开头可以给旁白留空间，功能亮相时鼓点可以铺开，最后一句则能在 logo 出现时收束。普通提示词只是在索要一种情绪；结构化提示词会把音乐在时间线上的任务说清楚。

控制不等于编辑。Google 还明确说明音乐生成是单轮流程：拿到歌曲后，不能在下一轮让 API 只把第二遍副歌调柔和。下一次请求会重新生成，而同一条提示词也可能得到不同结果。因此，评审流程应围绕完整版本设计，而不是期待局部微调。

这也意味着，提示结构比辞藻更重要。有效的需求说明应先讲交付物，再讲音乐语法，最后给出时间线：

一段 90 秒的产品影片器乐配乐，112 BPM，D 小调。使用弱音模拟贝斯、干爽电子鼓，以及一条明亮的琶音合成器声部。0:00-0:12 保持稀疏，为旁白留出空间；0:12 加入打击乐；0:42 到达主要抬升；1:05 回落；1:30 前干净结束。不要人声。

时间戳不能保证一次就得到可用成品，但能让失败变得可描述。评审人员可以指出抬升来得太晚，或旁白区间过于拥挤，再在下一次完整生成时只修改对应指令。

Lyria 完整歌曲生成：什么时候值得用 Pro

当一条连续的音乐脉络比两倍数量的草稿更有价值时，完整歌曲模型就值得投入。常见情况包括：交付物超过 60 秒、需要反复出现的旋律动机、定时段落、自定义歌词，或需要收束而不是循环的结尾。

如果剪辑师希望在同一个文件中获得多个可用选择，完整歌曲模型也更稳妥。连贯的前奏、低能量主歌、高能量副歌和干净的尾声，无需拼接互不相关的生成结果，就能提供多个剪辑点。与分轨或可编辑工程相比，MP3 交付仍有限，但一条结构清晰的曲目比四个割裂片段更接近生产素材。

本项胜者：Lyria 3.5 完整歌曲。 额外成本买到的是编曲范围和控制力，而不只是更多秒数。

哪种 AI 音乐 API 工作流适合你的任务？

应把 API 当作两阶段创意评审系统，而不是老虎机。Google 也建议先用 Clip 端点迭代，再用 Lyria 3.5 生成完整歌曲。最稳妥的工作流会在两个阶段沿用同一份音乐需求，只调整时长和结构层。

下面用一份产品发布需求展示修改前后的差别。最初那条薄弱的提示词是：“为产品视频制作欢快的现代音乐。”它没有明确曲风、速度、调性中心、配器、人声策略、剪辑点和结尾。无论生成什么都能自圆其说，反馈自然也会很模糊。

改进后的 Clip 提示词是：“一段 30 秒的产品预告片器乐配乐，112 BPM，D 小调；使用弱音模拟贝斯、干爽电子鼓，以及一条明亮的琶音合成器声部。感觉精准、自信，但不要咄咄逼人。开头干净，在第 12 秒抬升，以收束明确的重拍结束。不要人声。”这并不保证结果更好，却能形成更好的测试，因为评审人员可以依据明确标准判断具体方向。

1. 1

   先定义验收标准

   生成前先写下四项检查：首拍能配合剪辑、对白有空间、抬升准确落在亮相时刻、结尾能干净剪断。再加上品牌特定的排除项，例如不要人声或不要复古鼓声。

2. 2

   用 Clip 试听方向

   时长保持 30 秒。每轮只改变一个主要变量，例如曲风、乐器家族或能量，同时保持产品影片这一任务不变。给每个输出标注它所测试的选择，而不是随意的版本编号。

3. 3

   把胜出方向升级为完整歌曲

   将获批的曲风、BPM、调性、乐器组合和情绪带入完整歌曲提示词。到这一步再加入段落标签或带时间戳的事件，因为方向尚未获批时，评审结构的成本太高。

4. 4

   检查交付文件

   把 MP3 与返回的歌词或结构文本一并保存。素材交给剪辑师之前，检查实际采样率、响度、开头与结尾、涉及安全的内容，以及所有要求的段落是否都已出现。

5. 5

   在生成器之外完成制作

   剪裁、调平、编排，并把曲目放进最终画面中测试。如果项目需要分轨，要明确文档所述的 API 返回内容是 MP3 加文本，而不是多轨工程。

30 秒广告只要 Clip 输出通过验收标准，就可以在这一阶段结束。90 秒产品影片则只用 Clip 选定声音方向，再由 Lyria 3.5 生成最终的完整脉络。极短的片头音效依然更适合 Clip，但要准备把 30 秒输出剪短。若需求是实时交互音乐，两者都不适合；Google 建议开发者改用 Lyria RealTime。

Lyria 3.5 API 输出工作流及其生产短板

当前交付足以作为完成的立体声素材，却不足以支撑精细的音乐制作。两个模型都使用 Google 的 Interactions API，接受文本和图像输入，并返回 MP3 音频，以及歌词或结构文本。它们不会提供制作人用来独立调整人声、鼓和贝斯的多轨工程。

第一项生产短板是编辑。每次生成都是单轮操作，因此选中的 Clip 无法通过对话扩展成同一首歌，完整歌曲版本也不能靠后续提示在局部修复。提示词应被视为可复用的需求说明，而不是可编辑的工程文件。

第二项短板是规模化运营。目前的 Clip 和完整歌曲模型页面都标明输入上限为 131,072 token，同时也说明不支持 Batch API、Flex inference 和 Priority inference。需要按计划批量生成曲库或保证优先通道的产品，不应假定标准预览端点具备这些能力。

第三项短板是文档口径不一致。综合指南称当前组合输出 44.1 kHz 立体声，但仍在线的 Clip 模型页面称该端点输出 48 kHz。不要依据其中任何一句硬编码导入规则。应读取返回文件的元数据，在后期统一规格，并保留原始文件。

Google 会为 Lyria 音频加入 SynthID。该公司称，这种水印听不见，而且经过 MP3 压缩、添加噪声、变速等常见处理后仍能被检测。它有助于追溯来源，却不能取代项目自己的素材记录、提示词记录、来源权利检查和披露政策。

Google 的 API 条款说明，公司不主张生成内容的所有权，但用户要对合法使用及可能的署名义务负责。付费 Gemini API 的提示词和响应不会用于改进 Google 的产品，不过仍会保留有限的安全与安保日志。商业项目应使用已计费的 Cloud 项目，也不要把“Google 不主张所有权”误解为对独占性或不侵权的保证。

本项胜者：都不是。 共享的 Interactions API 和 MP3 交付方式很直接，但两者都有预览阶段的限制。Clip 经审查后可以直接交付边界清晰的短素材；完整歌曲模型可以直接交付立体声草稿和风险较低的最终配乐，但品牌标志性音乐、需要分轨的发行项目，以及混音要求严格的客户母版，仍需在 API 之外增加制作环节。

如果真正需要的是可复用的声音识别体系，而不是一次性曲目，可以对照这套流程与 ElevenLabs Music Finetunes API 的声音识别方案。如果生成的曲目将进入完整视觉剪辑，AI 音乐视频生成器对比涵盖了后续合成问题。

从 Clip 切换到 Pro，会发生哪些变化？

切换模型对已存数据的影响几乎为零，对工作流的影响却比表面看起来更大。两条路线都使用 Interactions API，因此基本的请求与响应模式保持不变；提示词、素材约定和评审标准会改变。

首先，把获批的 Clip 提示词保留为唯一可信来源。将曲风、BPM、调性、配器、情绪和人声策略带入完整歌曲需求，然后再补充长素材所需的结构：段落标签、时间安排、能量变化和明确的结尾。

其次，通过配置更改模型 ID。短内容端点是 lyria-3-clip-preview，当前完整歌曲端点是 lyria-3.5。两者都是预览阶段的名称，如果把标识符硬编码在多个服务中，Google 再次调整接口约定时就会造成不必要的锁定。

第三，更新质量保证标准。Clip 评审只需判断一个创意能否在 30 秒内成立；完整歌曲评审还要检查动机能否连贯重现、转折是否合理、歌词是否可用、中段是否避免重复，以及结尾是否收束。额外的审听与编辑判断，才是真正的切换成本。

不要期待选中的 Clip 能保持音频连续。由于不支持多轮编辑，完整歌曲请求是对同一份需求的新演绎，而不是原音频的延长版。获批的 Clip 只是方向参考。如果必须精确复现它的旋律或人声表演，这套工作流并不保证能实现。

哪些情况不该切换？如果所有交付物都是社交媒体短配乐、循环音乐、过场音乐或原型，就继续使用 Clip。如果需求包括确定性重生成、原生分轨、有文档支持的批处理通道、优先推理，或对某一段进行局部修复，则不应基于这两个端点搭建方案。这些是工作流要求，不是指望更长模型变成数字音频工作站的理由。

基准测试：哪些结论有证据，哪些没有？

目前没有基准测试能证明，面对相同的 30 秒需求时，完整歌曲模型的音质优于 Clip。Google 的 Lyria 3.5 模型卡称，其内部人工与自动评测发现，音频保真度相比 Lyria 2 显著提升，对歌词提示的遵循也更好；但页面没有公布数值分数，也没有短内容与完整歌曲的正面对比。

这是厂商评测，不是独立比较。2026 年的一项 AI 音乐同质化学术审计考察的是多个曲风下的 Lyria 3 与 Suno，而不是当前短内容和完整歌曲这一组合，因此不能把其结论直接套用到这里。

诚实的采购评判标准应落在实际运营上：时长是否匹配、结构是否遵循、剪辑点是否可用、淘汰率多高，以及你自己的已授权需求会带来多少后期负担。在独立评测者用匹配提示词发布两个当前端点的完整输出之前，宣称存在普适的音质赢家都只是猜测。

周一就能执行的方案

周一先选一条正在使用的 30 秒营销剪辑，在打开 API 前写下四项验收标准。生成八个 Clip 方向，每次只改变一个有意义的变量。只有在同一套评审标准下通过，才保留最好的两个。

如果最终交付物很短，就用胜出的 Clip 完成制作并放入剪辑。如果同一营销项目还需要更长的产品影片或主题曲，则把这两份需求升级到完整歌曲模型，并加入带时间戳的结构。八次试听加两个完整歌曲入围版本，基础生成费用为 $0.48。

把每个 MP3 与其提示词、返回的结构文本、模型 ID 和生成日期存放在一起。检查文件元数据，不要假定采样率。结合画面评判音乐，不要脱离场景单独听。这样即使模型不支持多轮编辑和确定性重跑，团队也能留下可复用的决策记录。

常见问题

企业音乐应该使用 Lyria 3.5 Clip 还是 Pro？

需要批准 30 秒音乐方向、短广告配乐、循环音乐、过场音乐或预览片段时，用 Clip；交付物超过 60 秒，需要定时段落或一套连贯编曲时，用当前的 Lyria 3.5 完整歌曲端点。

Lyria Clip 能生成完整歌曲吗？

不能。Google 当前指南说明，Clip 端点始终生成 30 秒内容。多个片段可以通过剪辑拼在一起，但它们是彼此独立的生成结果，不具备一次完整歌曲请求的连贯性。

Lyria 3.5 能生成多长的歌曲？

Gemini API 指南承诺生成几分钟左右的歌曲，时长会受提示词影响。Google DeepMind 更广泛的产品页面展示了最长三分钟的曲目，但在 API 文档明确说明之前，不应把它视为精确的 API 保证。

Lyria Clip 和 Pro 的价格相差多少？

当前付费 API 价格为：Lyria 3 Clip 每次请求 $0.04，Lyria 3.5 完整歌曲每次请求 $0.08，且没有列出免费的 API 档位。Clip 的单次请求价格是一半；当一次请求能达到目标时长时，超过 60 秒后，完整歌曲的每生成分钟成本更低。

在把 AI 音乐加入生产工作流之前，请先获取 AI 商业工作流审计清单。