De una foto a una canción: así funciona el nuevo Lyria 3 de Google

Existe un experimento mental que los músicos suelen evitar: ¿qué pasaría si cualquier persona, sin saber solfeo ni tocar un instrumento, pudiera escribir una oración y obtener a cambio una canción pulida, con letra, armonía y tempo? Durante décadas, esa pregunta fue hipotética. Desde mediados de febrero de 2026, tiene respuesta concreta: se llama Lyria 3, está integrado en la aplicación Gemini y es, según Google DeepMind, el modelo generativo de audio más sofisticado que el laboratorio ha producido hasta la fecha.

El lanzamiento fue discreto en sus formas pero contundente en sus implicancias. El 17 de febrero, el blog oficial de Google anunció la disponibilidad en versión beta para usuarios mayores de 18 años en ocho idiomas: inglés, alemán, español, francés, hindi, japonés, coreano y portugués. La promesa era sencilla de enunciar y formidable de concretar: describir una idea, subir una foto o un video, y recibir en cuestión de segundos una pista musical de 30 segundos con producción de 48 kHz en estéreo, letra generada automáticamente y controles sobre estilo vocal, género e intensidad rítmica.

No es el primer intento de Google en este territorio. La familia Lyria viene desarrollándose desde que DeepMind comenzó a explorar la generación de audio estructurado, y ya había aparecido en YouTube a través de Dream Track, una función experimental para Shorts que permitía a creadores seleccionar artistas colaboradores y obtener pistas de fondo personalizadas. Pero Lyria 3 supone un salto cualitativo en tres dimensiones que los modelos anteriores no lograban resolver de forma satisfactoria: la coherencia temporal, la complejidad armónica sostenida y la generación autónoma de letra sin intervención del usuario.

Del caos del prompt a la coherencia musical

Para entender por qué Lyria 3 es técnicamente relevante, conviene detenerse en lo que hace diferente a la música respecto de otros dominios generativos. Una imagen puede ser estática; un párrafo de texto carece de dimensión temporal explícita. La música, en cambio, existe en el tiempo y depende de que sus elementos evolucionen de manera lógica: una progresión armónica que anticipa su resolución, una dinámica rítmica que respira entre tensión y distensión, una melodía que desarrolla y luego cierra un arco emocional. Los modelos anteriores fallaban precisamente en eso: generaban fragmentos plausibles pero inconexos, como si cada segundo de audio fuera calculado sin memoria del anterior.

La arquitectura de Lyria 3 apunta a resolver ese problema mediante lo que los investigadores de DeepMind describen como coherencia de largo alcance: la capacidad del sistema para mantener consistencia armónica y rítmica a lo largo de toda la pieza generada, en lugar de derivar estadísticamente hacia sonidos aleatorios. A esto se suma un sistema de condicionamiento multimodal: el mismo modelo puede ser guiado tanto por descripción textual como por contexto visual, produciendo audio que busca coincidir con el estado emocional de una imagen o la atmósfera de un video. Un fotograma de atardecer sobre el Río de la Plata podría dar lugar a una balada melancólica de guitarra acústica; una foto de carnaval en Río podría detonar percusión brasileña con voces en falsete.

Los parámetros de control que ofrece la interfaz son más granulares que cualquier versión previa de la línea Lyria. El usuario puede definir tempo, estilo vocal, género musical e incluso intervenir sobre la letra generada automáticamente. Esta especificidad es significativa porque, hasta ahora, una de las principales frustraciones de los generadores de audio era que el control creativo era escaso: la herramienta entregaba algo genérico y ajustarlo requería múltiples iteraciones sin garantía de mejora. Con Lyria 3, la relación entre intención del usuario y resultado del modelo es considerablemente más directa.

La firma invisible y la industria en alerta

Toda pista generada con Lyria 3 lleva una marca invisible: SynthID, el sistema de watermarking de DeepMind que inserta una huella imperceptible al oído humano pero detectable algorítmicamente, incluso después de que el archivo haya sido comprimido, recortado o transformado. La tecnología, que ya supera los 10.000 millones de contenidos marcados en combinación con Imagen, Veo y las versiones anteriores de Lyria, se integra ahora también como herramienta de verificación dentro de Gemini: los usuarios pueden subir una pista de audio y consultar si fue producida por un sistema de Google.

Este mecanismo de trazabilidad responde a una presión que la industria musical viene ejerciendo con creciente intensidad. Los grandes sellos discográficos y numerosas asociaciones de compositores han cuestionado el uso de material protegido por derechos de autor en el entrenamiento de modelos generativos, y varios litigios siguen su curso en tribunales de Estados Unidos y Europa. Google ha declarado públicamente que entrenó Lyria 3 con "especial cuidado respecto a derechos de autor y acuerdos con socios", aunque la compañía no ha divulgado la composición exacta de sus conjuntos de datos de entrenamiento, una práctica estándar en la industria que sus críticos consideran opaca.

La postura del sistema respecto a los artistas existentes es explícita: si un usuario nombra a un intérprete conocido en su prompt, Gemini interpretará esa mención como inspiración de estilo, no como instrucción de imitación. Hay filtros activos que contrastan las salidas del modelo con contenido preexistente para evitar reproducciones no autorizadas. Si bien este enfoque no disipa todas las inquietudes del sector, marca una diferencia formal respecto de plataformas que no establecen ese tipo de salvaguarda. La Oficina de Derechos de Autor de Estados Unidos, en su actualización de enero de 2025, ya había establecido que obras generadas puramente por algoritmos sin contribución humana sustancial no califican para protección, lo que obliga a cualquier usuario que quiera ejercer derechos sobre sus creaciones a documentar las decisiones creativas propias que realizó durante el proceso.

El nuevo escenario para creadores: herramienta o competidor

La pregunta que más incomoda a la comunidad musical no es si Lyria 3 produce buena música, sino qué sucede cuando la produce lo suficientemente buena como para cumplir funciones que antes requerían músicos. Los 30 segundos de duración máxima actuales limitan el uso a jingles, soundtracks para redes sociales y fondos sonoros para contenido corto, un segmento que no es precisamente menor: YouTube Shorts, Instagram Reels y TikTok representan ya una fracción sustancial del consumo musical global, y la demanda de pistas personalizadas para este formato es constante.

Dream Track, la función de YouTube que ahora incorpora Lyria 3, ilustra el punto con claridad. Disponible primero en Estados Unidos y en proceso de expansión internacional, permite a los creadores de Shorts generar bandas sonoras detalladas y adaptadas al tono de su contenido sin recurrir a bibliotecas de música libre de regalías ni contratar productores. Para un creador independiente con presupuesto ajustado, eso es un recurso valioso. Para un compositor que vivía de ese tipo de encargo, es una amenaza directa a una línea de trabajo concreta.