音乐生成的维护记录：OpenRouter 上的 Lyria 3

这是生成音乐背后的维护记录。用接口时不用看，接口出问题或者要换模型时再看。

为什么是 Lyria

2026-10-02 比较了两家：

• Google Lyria 3：2026-03-31 上了 OpenRouter，能直接走现有的海外中转。
• Suno：没有公开的官方 API，只能在网页上用。2026 年 7 月 Suno 说在探索开发者 API，用申请表收意向，先给挑过的合作方，没给上线时间和价格（见 Music Business Worldwide 的报道¹）。网上叫「Suno API」的都是第三方包装的，可能违反 Suno 的服务条款，不接。

接口从哪来

• 元数据：从中转的 GET /api/v1/models 和 /api/v1/models/<id>/endpoints 查到。
  • 两个模型都是输入文字和图片、输出文字和音频，提供方只有 Google AI Studio 一家。
  • 价格写在模型说明里：clip 每段 30 秒 0.04 美元，pro 每首完整歌曲 0.08 美元；pricing 里的 token 单价都是 0。
  • 支持的参数只有 max_tokens、response_format、seed、temperature、top_p。
  • 上游近 30 分钟的延迟 p50：clip 3.2 秒，pro 4.7 秒。
• 请求格式：经 Context7 查到两处，拼起来用。
  • OpenRouter 文档仓库的音频输出指南：chat completions 里写 modalities: ["text", "audio"]，音频输出必须 stream: true，SSE 每块的 delta.audio.data 是 base64。示例还带 audio: {voice, format}，那是给语音模型的。
  • Google Gemini API 的 Lyria 3 文档：原生接口是 POST /v1beta/interactions，返回的音频是 MP3，output_text 是歌词；clip 版固定 30 秒；歌词用 [Verse 1]、[Chorus] 这样的标记分段。
• OpenRouter 文档里没有 Lyria 专门的示例，所以经 OpenRouter 调时要不要带 audio 参数、文字部分是不是歌词、音频是不是 MP3，都没确认。

实测

接入时用户决定先不测。2026-10-17 给彩色手绘三维穿梭视频配乐时第一次真用：

• 文字只有一块 <instrumental>；音频在一块 delta.audio.data 里给完，解出来是带 ID3 的 MP3，192 kbps、44.1 kHz、立体声，30.8 秒，744 KB。
• usage.cost 是 0.0396 美元，跟模型说明里的 0.04 美元一段对得上。
• 听感没人听过：AI 听不了，只用 ffprobe 看了时长和格式。

没做的

• pro 版、带歌词、传图片配乐都没跑过；文字部分是不是歌词还没确认。
• 没比较过 Lyria 和别的音乐模型的效果。
• 海外机的 SSH 公钥还没装回去，OpenRouter 的中转配置没同步进 assets/gateway/。