谷歌剛悄悄成為唯一能在一個應用程式內生成文字、圖像、影片和音樂的公司。

lyria 3 今天發布。這就是為什麼這比人們想像中更重要的原因。
目前的多模態排行榜：
Google Gemini：文字 ✅ 圖像 ✅ 影片 ✅ 音樂 ✅
OpenAI：文字 ✅ 圖像 ✅ 影片 ✅ 音樂 ❌ (即將來臨)
Meta：文字 ✅ 圖像 ✅ 影片 ✅ 音樂 ❌
Anthropic：文字 ✅ 圖像 ❌ 影片 ❌ 音樂 ❌
Google 率先完成了每一個項目。
lyria 3 支援文字轉曲目、圖像轉曲目，以及影片轉曲目。30秒的歌曲，帶有自訂歌詞。你上傳一張你的狗的照片，它就會寫一首關於你狗的歌。
笨嗎？也許。但這就是採用的開始方式。
專注於音樂的AI新創公司應該要注意了。
suno 的年收入達到2億美元。融資時估值24.5億美元。兩年內擁有1億用戶。udio 與環球和華納達成和解。elevenlabs 推出了音樂生成並達到 $200M ARR。
但谷歌剛剛讓音樂生成在一個已被數十億人使用的應用內免費提供。
這是那種打包策略，會扼殺新創公司。
還記得當獨立圖像生成應用害怕 DALL·E 被整合到 ChatGPT 嗎？同樣的策略。當分發規模是1000倍大時，功能總是勝過產品。
今天，lyria 3 只是一個30秒的玩具。suno 提供音軌、修補、15分鐘的曲目、歌唱角色。目前在品質上沒有可比性。
但 suno 曾經比谷歌的第一代音樂模型更有優勢。然後是 v2，再到 v3。每個版本差距都在縮小。
OpenAI 也在打造一個。與朱利亞德的學生合作標註訓練資料。據說新的音頻模型預計在三月推出。
但“預期”和“已出貨”是不同的詞。谷歌今天就已出貨。
他們的策略與谷歌相同。將所有功能打包成一個對話。
“幫我做一個關於X的影片。現在加入音樂。現在寫個標題。”
這才是產品。不是一個音樂生成器，而是一個萬能生成器。
模態時間線講述了整個故事：
2022年：文字生成 (所有人都在忙)
2023年：圖像生成 (Midjourney爆炸)
2024年：影片生成 (sora、runway、kling)
2025年：音樂生成 (suno達到2億美元)
2026年：全部都在一個應用內。只需一個提示。
比賽不在於誰擁有最好的音樂AI，或最好的圖像AI，或最好的影片AI。
而在於誰能最先將它們整合在一起，讓人感覺毫不費力。
谷歌剛剛取得了領先。
我接下來要關注的是：
OpenAI 會在Q2前推出音樂嗎？
當谷歌將音樂生成免費打包時，suno的收入能否維持？
“30秒玩具”多久會變成“3分鐘的製作工具”？
多模態比賽剛剛多了一個終點線。