Googleは静かに、1つのアプリ内でテキスト、画像、動画、そして音楽を生成できる唯一の企業になった。

lyria 3が本日リリースされた。これが人々が思うよりも重要な理由だ。
現在のマルチモーダルスコアボード：
Google Gemini：テキスト ✅ 画像 ✅ 動画 ✅ 音楽 ✅
OpenAI：テキスト ✅ 画像 ✅ 動画 ✅ 音楽 ❌ (近日登場)
Meta：テキスト ✅ 画像 ✅ 動画 ✅ 音楽 ❌
Anthropic：テキスト ✅ 画像 ❌ 動画 ❌ 音楽 ❌
Googleはまずすべてのボックスをチェックした。
lyria 3はテキストからトラックへ、画像からトラックへ、動画からトラックへと変換する。30秒の曲にカスタム歌詞を付けることも可能。あなたの犬の写真をアップロードすれば、その犬についての歌を書いてくれる。
馬鹿げてる？もしかしたら。でも、それが採用の始まりだ。
専用の音楽AIスタートアップは注目すべきだ。
sunoは年間2億ドルの収益を上げている。資金調達額は24億5000万ドル。2年で1億人のユーザー。udioはユニバーサルとワーナーと和解。elevenlabsは音楽生成を開始し、$200M ARR(を達成。
しかしGoogleはすでに多くの人が使うアプリ内で音楽生成を無料にした。
これはスタートアップを殺すバンドル戦略だ。
スタンドアロンの画像生成アプリがDALL-EがChatGPTに組み込まれるのを恐れていた頃を思い出せるか？同じ戦略だ。配信規模が1000倍大きいと、機能は常に製品に勝る。
今日、lyria 3は30秒のおもちゃだ。sunoはステム、インペインティング、15分のトラック、ボーカルペルソナを提供している。現時点では品質に差はない。
しかし、sunoはGoogleの最初の音楽モデルに対して同じ優位性を持っていた。次にv2、そしてv3。バージョンごとに差は縮まる。
OpenAIも構築中だ。ジュリアードの学生と提携してトレーニングデータに注釈を付けている。新しい音声モデルは3月までに登場すると報じられている。
しかし、「予定」と「出荷」は異なる言葉だ。Googleは今日、出荷した。
彼らの戦略はGoogleと同じだ。すべてを1つの会話にまとめる。
「Xについての動画を作って。次に音楽を追加して。次にキャプションを書いて。」
これが製品だ。音楽ジェネレーターではなく、すべてを生成するジェネレーターだ。
モダリティのタイムラインは全ての物語を語っている：
2022年：テキスト生成 )みんなが混乱(
2023年：画像生成 )midjourneyが爆発(
2024年：動画生成 )sora、runway、kling(
2025年：音楽生成 )sunoが2億ドル達成
2026年：すべてを一つのアプリで。一つのプロンプトから。
レースは、誰が最も優れた音楽AIを持っているか、最高の画像AIを持っているか、最高の動画AIを持っているかではない。
誰が最初に、それらすべてを手間なく統合できるかだ。
Googleがリードを奪った。
次に注目していること：
OpenAIはQ2前に音楽を出荷するか？
Sunoの収益はGoogleが音楽生成を無料でバンドルしても維持されるか？
「30秒のおもちゃ」が「3分の制作ツール」になるのはどれくらい早いか？
マルチモーダルレースに新たなゴールラインができた。