Lyriaで実際に曲を作る：Geminiアプリ、Flow Music、Gemini API、Lyria RealTimeで、何を開き、何を入力し、何が返ってくるかを場面ごとに並べる

この記事は、公式の資料を2026年10月25日に読んでまとめたものです。この記事は、実際に使って確かめた記録ではありません。

手順は「公式の手順を順に並べたもの」です。プロンプトの例は「この記事の例」と書いたものが、この記事で組んだ例で、動作は確かめていません。画面の表記は更新で変わることがあるので、手元の画面と照らして読んでください。

先に結論

• 画面から試すなら、Geminiアプリで一文を書く所から。 「Upload & tools」→「Create music」→プロンプトを入力、が公式の手順です。
• 曲を何度も手直ししたいなら、公式のヘルプで手直しの手順があるのはFlow Musicです。 「Compose」「Remix」など。Geminiアプリのヘルプには、手直しの手順は読んだ範囲では見つかりませんでした。
• コードで使うなら、30秒のClipで試してから、lyria-3.5 で全曲にする。 公式のベストプラクティスに「Iterate with Clip first」とあります。
• 結果は毎回少し変わる。 公式は、同じプロンプトでも結果が変わりうると書いています。

前提：用語をそろえる

• プロンプト：作りたい曲を説明する文。
• BPM：1分あたりの拍数。テンポの指定に使う。
• セクションタグ：[Verse] [Chorus] [Bridge] のように、曲の区間を示す目印。
• インストゥルメンタル：歌なし。公式はプロンプトで頼むと書いています。
• SynthID：Googleの電子透かし。公式は、Lyriaの出力に入ると書いています（07）。
• base64：音声のバイナリを文字にした形。APIの応答の data がこの形で、コードで元に戻して保存します。
• WebSocket：つなぎっぱなしで双方向にやりとりする通信方式。Lyria RealTimeが使います。

たとえ話：依頼メモの書き方

作曲家に渡す依頼メモにたとえると、「ジャンル、速さ、楽器、声、歌詞の話題」を書くほど返ってくる方向がそろいます。公式のガイドも、まず主なジャンルを先頭に書く、と示しています。楽器、質感、テンポ、調、雰囲気は足していく要素として挙げられていて、決まった順番はガイドに書かれていません。これは僕らのたとえです。

プロンプトの書き方（全場面で共通）

公式が示している要素

書き分けのコツ（公式のベストプラクティス）

• 楽器、BPM、調、雰囲気、構成を具体的に書く。
• 歌詞と、音楽の指示（ジャンルなど）は、分けて書く。
• 短いプロンプトも詳しいプロンプトも良い結果になる。楽器のタグと雰囲気のタグは分けて書くと、別々に調整できる（プロンプトガイドの記載）。

公式が止める依頼

• 特定のアーティストの声や、著作権のある歌詞を求める依頼は、セーフティフィルター（safety filters）でブロックされる（Gemini APIの記載）。
• Vidsのヘルプは、特定のアーティストやブランドへの言及を避けるよう書いています（センシティブな情報を入れないよう求める記載は、評価のフィードバックの欄にあります）。
• 詳しくは04を参照。

場面1：Geminiアプリで、短い曲を作る

公式のヘルプ「Generate music with Gemini Apps」の手順です（ウェブ。モバイルも同じ流れ）。

1. gemini.google.com を開き、Googleアカウントで入ります（18歳以上、Keep Activityがオン）。
2. テキストボックスの下の「Upload & tools」を押します。
3. 「Create music」を選びます。
4. （任意）画像や動画をアップロードします。
5. プロンプトを入力します。

この記事の例（動作は確かめていません）： 公式のコツに合わせて、動詞・ジャンル・楽器・題材・場面を入れた形です。

Compose a calm lo-fi hip-hop beat with soft piano and vinyl crackle for studying on a rainy evening. No vocals.

1. 画面のドロップダウンで、長さ（short＝約1分、full＝約2〜3分）、ボーカルの有無、ジャンルを選べます。
2. 結果を待ちます。生成の完了の見え方は、ヘルプに書かれていません。

返ってくるもの（公式の記載）： 表紙の画像つきの動画ファイルとして届く、とヘルプにあります。

公式の例の題材（ヘルプ）： ポッドキャストのイントロ、歴史の時代についての短い歌、ローファイ・ヒップホップのビート、自分の街についての歌、が挙がっています。

保存と共有：

1. 曲の画像の右上の「Download」を押します。
2. 「MP4」（表紙つきの動画）か「MP3」（音声のみ）を選びます。
3. 共有するときは、右上の「Share」を押して、リンクをコピーします。

場面2：Geminiアプリで、フルの曲を作る

1. 場面1の手順で「Create music」を選びます。
2. モデルを「Pro」に切り替えます（ヘルプは「To create a full track, switch the model to Pro」という趣旨で書いています。切り替えの場所は、読んだ範囲では見つかりませんでした）。
3. 長さを「full」（約2〜3分）にします。
4. プロンプトを入力します。

この記事の例（動作は確かめていません）： 構成を書く形です。構成のタグ（[Intro] など）をGeminiアプリで使えるかは、Geminiアプリのヘルプには書かれていません。ここでは公式のAPIガイドの書き方に合わせた、この記事の案です。

Write an upbeat indie-pop song in G major at 122 BPM about a summer road trip. [Intro] -> [Verse 1] -> [Chorus] -> [Verse 2] -> [Chorus] -> [Outro]. Female vocals, acoustic guitar, handclaps.

場面3：Geminiアプリで、写真から曲を作る

1. 「Upload & tools」→「Create music」を選びます。
2. 画像（または動画）をアップロードします。
3. 写真に合わせた指示を入れます。

この記事の例（動作は確かめていません）：

Create a gentle acoustic song that matches the mood of this photo. Warm, nostalgic, with a slow tempo.

画像から作れること自体は、ヘルプと公式ブログ（02）にあります。

場面4：Flow Music で、最初の曲を作る

公式のヘルプ「Create & manage songs in Google Flow Music」の手順です。サインインは05のBを先にしてください。

1. flowmusic.app にサインインします。
2. 左の「New session」を選びます。
3. プロンプトボックスに、作りたい曲を書きます。

この記事の例（動作は確かめていません）：

Make a dreamy synth-pop song with female vocals about a late-night train ride. Slow tempo, warm pads.

1. （任意）プロンプトボックスの下の「Add」を選び、次のどれかを足します。
2. 「Recording」：マイクで録音する。
3. 「Audio」：自分の音楽から作る。
4. 「Image」：歌詞や表紙の絵のヒントにする。
5. 「Send」を選びます。
6. 結果が出たら、曲にカーソルを合わせて「Play」を選びます。

会話の相手： Flow Musicでは、ヘルプにProducer、Ghostwriter、Instrumentというモデルの選択が出てきます（05のB）。Producerとのチャットの操作は、この日に読んだヘルプには書かれていませんでした。設定は「Settings」→「Customize producer」（05のB）。

場面5：Flow Music で、曲を手直しする

同じヘルプの「Edit a song」と「Remix a song」です。

プロンプトで直す

1. 左の「Songs」を選び、曲を選びます。
2. プロンプトボックスに、直したい内容を書きます。

詳細を直す

1. 曲の横の「More」→「Details」→「Edit details」を選びます。
2. 曲名、表紙の絵、表示される歌詞を変えます。
3. 「Save」を選びます。

Composeで作り直す

1. 曲を選び、右上の「Compose」を選びます。
2. 「Lyrics」「Sound」「Details」の下で内容を変えます。
3. 「Generate」を選びます。

リミックス

1. 左の「Songs」を選びます。
2. 曲の横の「More」→「Remix」を選びます。
3. 「Extend」「Cover」「Replace」のどれかを選びます。ヘルプは、それぞれの違いまでは説明していません。
4. 変えたい音の区間を選びます。
5. 変更の内容を書きます。
6. 「Generate」を選びます。

場面6：Flow Music で、共有・書き出し・削除

共有（公開）

1. 「Songs」で曲を選びます。
2. 「Publish」で、公開の状態にします。
3. リンクを渡すときは「Share」→「Copy link」。
4. 範囲を決めるには「Published」を選び、「Anyone with the link」か「Only me」を選びます。
5. ほかの人のリミックス、バイブ、ダウンロードを止めるには、「Allow community remix」をオフにします。

ダウンロード

• 1曲：曲の横の「More」→「Download」→ファイル形式を選びます。
• 複数：曲の横のチェックボックスを選び、右上の「Download」。ファイルは.zipで届きます。

どの形式があるか、ステムが出せるかは、このヘルプの要約には書かれていませんでした（料金ページには項目がある、と03にあります）。

削除

1. 「Songs」を選びます。
2. 曲のチェックボックスを選びます。
3. 上の「Delete」を選びます。

プレイリストは、別のヘルプ「Organize songs with playlists in Google Flow Music」があります（この日は読んでいません）。

場面7：Vids で、動画のBGMを作る

05のCの手順に加えて、Vidsのヘルプには次の機能もあります。

• 「Recreate」で、前のプロンプトを再利用する。
• 曲のプレビューで「Good suggestion」「Bad suggestion」の評価ができる。悪い評価では、問題を選び、コメントを書いて「Submit」。

この記事の例（動作は確かめていません）： ヘルプが求める、ジャンル・状況・トーンを入れた形です（アーティスト名・ブランド名は入れない）。

Upbeat corporate background music, bright acoustic guitar and light percussion, optimistic tone, no vocals.

場面8：Gemini APIで、30秒のClipを作る

準備は05のD（キー、環境変数、SDK）です。次のPythonは、公式の「Generate music with Lyria 3.5」の例をもとにしたものです（要約を通して読んだもの。コードの全文は公式ページで確認）。

import base64
from google import genai

client = genai.Client()

interaction = client.interactions.create(
    model="lyria-3-clip-preview",
    input="A short instrumental acoustic guitar piece.",
)

generated_audio = interaction.output_audio
if generated_audio:
    with open("music.mp3", "wb") as f:
        f.write(base64.b64decode(generated_audio.data))

lyrics = interaction.output_text
if lyrics:
    print(f"Lyrics:\n{lyrics}")

1. 上のコードをファイルに保存して実行します。
2. 期待される結果：music.mp3 が書き出されます。output_text があれば、歌詞と曲の構成がターミナルに出ます（公式は、レスポンスは歌詞と構成を常に含む、と書いています）。
3. Clipは常に30秒、MP3です（公式の表）。

応答の読み方（公式の記載）：

• interaction.output_audio：最後に生成された音声のブロック。data をbase64で戻して保存します。
• interaction.output_text：歌詞と曲の構成。
• 応答は steps の並びで、model_output のステップに、text（歌詞や構成のJSON）と audio（base64）のブロックが入ります。
• 音声と文章が交互に出る場合、便利なプロパティでは一部が拾えないことがあるので、interaction.steps を順に見て、step.type == "model_output" のものについて、ブロックの種類（audio か text）ごとに処理する、と書かれています。公式ページに5言語の完全な例があります。

場面9：Gemini APIで、全曲を作る・WAVにする・画像を渡す

全曲（公式の記載）： モデルを lyria-3.5 にして、長い文章で指示します。公式の例の入力は、壮大な映画音楽風の曲で、ソロピアノのイントロから弦が重なり、大きな盛り上がりに至る、という内容です（原文は公式ページで確認）。長さはプロンプトで影響を受ける程度で、固定ではありません（公式の「Limitations」）。

WAVにする（公式の記載）： 公式の音楽生成ページは、Lyria 3.5はMP3が既定で、response_format を設定するとWAVでも出力できる、と書いています。ただし、公式の例が示す値は {"type": "audio"} だけで、WAVを示す値は例に出てきません。Lyria 3.5のモデルページの出力欄は「Audio (MP3)」とだけあり、資料の間で書き方が分かれています。

interaction = client.interactions.create(
    model="lyria-3.5",
    input="A beautiful piano melody.",
    response_format={"type": "audio"},
)

保存するファイル名を .wav にする点は、この記事の案です（公式の例は書き出しまで載せていません）。Clipが response_format に対応するかは、ページに書かれていません。

画像を渡す（公式の記載）： 画像は最大10枚まで、テキストと一緒に渡せます。公式の例は、画像ファイルを読み、base64にして、input に {"type": "text", ...} と {"type": "image", "mime_type": "image/jpeg", "data": image_b64} のリストを渡す形です。コードの全文は公式ページで見て写してください。

場面10：Gemini APIで、歌詞・構成・時刻を指定する

公式のページにある指定の方法を、この記事で組み合わせた例です（動作は確かめていません。歌詞は自作の短い例）。

An upbeat pop song in C major at 120 BPM, female vocals, acoustic guitar and light drums.

[0:00 - 0:10] Soft intro, guitar only.
[0:10 - 0:30] Vocals enter, steady groove.

Lyrics:
[Verse]
Walking through the morning light
[Chorus]
Sing it out, we're alright

• 区間の時刻の形 [0:00 - 0:10] は、公式のページにある書き方です。
• 歌詞は Lyrics: の下にタグつきで書く、は公式ガイドの書き方です。
• 公式のガイドは、歌詞と音楽の指示を分けて書くよう勧めています。
• 歌詞をAIに作らせたいときは、物語、感情、入れたい言葉を伝える、と書かれています。ダンス系では短い繰り返しのフレーズを頼む、ともあります。
• インストゥルメンタル： 「instrumental」と書き、調やテンポ、スタイルを足す（公式の例はClipモデル）。

日本語について： 公式の「Generate music with Lyria 3.5」は「プロンプトの言語に歌詞が従う」と書いています。日本語の歌詞の品質は、公式の資料では確認できていません。

場面11：Lyria RealTimeで、流し続ける演奏を作る

Lyria RealTimeは、WebSocketでつなぎっぱなしにして、音を流し続けるモデルです（models/lyria-realtime-exp、公式は実験的と書く）。楽器だけです。次は、公式のPythonの例（要約を通して読んだもの）をもとに、この記事で字下げを整えたものです。字下げや記号が崩れている可能性があるので、写すときは公式ページの全文を見てください。

import asyncio
from google import genai
from google.genai import types

client = genai.Client(http_options={'api_version': 'v1beta'})

async def main():
    async def receive_audio(session):
      """Example background task to process incoming audio."""
      while True:
        async for message in session.receive():
          audio_data = message.server_content.audio_chunks[0].data
          # Process audio...
          await asyncio.sleep(10**-12)

    async with (
      client.aio.live.music.connect(model='models/lyria-realtime-exp') as session,
      asyncio.TaskGroup() as tg,
    ):
      # Set up task to receive server messages.
      tg.create_task(receive_audio(session))

      # Send initial prompts and config
      await session.set_weighted_prompts(
        prompts=[
          types.WeightedPrompt(text='minimal techno', weight=1.0),
        ]
      )
      await session.set_music_generation_config(
        config=types.LiveMusicGenerationConfig(bpm=90, temperature=1.0)
      )

      # Start streaming music
      await session.play()
if __name__ == "__main__":
    asyncio.run(main())

• 操作：session.play()、session.pause()、session.stop()、session.reset_context()。
• 出力：生の16ビットPCM、48 kHz、ステレオ（公式の記載）。同じページのJavaScriptの例は sampleRateHz: 44100 と書いていて、48 kHzの記載と食い違います。どちらが正しいかは、公式で確認してください。音声を鳴らす・保存する処理は、例では # Process audio... の所に自分で書く形です。
• 設定項目（公式の一覧）：

• bpm、density、brightness、scale を指定しないと、最初のプロンプトからモデルが決めます。
• 設定を更新するときは、全体を送る必要があります。省いた項目は既定に戻る、と書かれています。
• 重みつきプロンプト：WeightedPrompt(text=..., weight=...)。重みを変えていくと、曲調が移り変わります（プロンプトガイドの記載）。
• 止められたプロンプトは無視され、理由は filtered_prompt に入ります。
• ブラウザで試すなら、AI Studioの「Prompt DJ」と「MIDI DJ」（05のE）。

場面12：AI Studioの音楽ワークスペースで作る

05のEの手順で開き、次のように進めます（公式ブログ、2026年3月25日付の記載）。

1. 「Text mode」：テンポや調を含めて、自然な言葉で説明を書く。
2. 「Composer mode」：区間ごとに、タイミング・強さ・説明を決める。各区間に別々の強さと説明をつける。
3. 曲の進行をプロンプトに書くと、歌詞が始まる・終わる時刻をコントロールできる、とブログのコツにあります。
4. 雰囲気は、言葉の代わりに画像で伝えることもできる、と書かれています。

最初の1時間でやる順番（この記事の案）

公式の資料にある手順を、軽い順に並べた案です。公式が示した順番ではありません。

つまずきと直し方

気をつけること

• 続けての編集は入口ごとに違います。 Flow Musicのヘルプに手直しの手順があり、Gemini API（Lyria 3.5）は続けての編集に未対応、と公式にあります。
• 日本語のプロンプトと歌詞。 公式の資料で、日本語の歌の品質や発音を確認できていません。この記事の例のプロンプトは英語で組みました。
• この記事の例のプロンプトとコード。 公式の書き方に合わせて組んだ案で、動かして確かめたものではありません。結果は、毎回変わる前提で試してください。
• 著作権と利用規約。 作った曲の権利や商用利用の扱いは、この記事では扱いません。04と、公式の規約を読んでください。この記事は法律の助言ではありません。
• 透かし。 公式のGemini APIの音楽生成ページとSynthIDのページは、Lyriaの音声にSynthIDの透かしが入ると書いています。Google Cloudのブログは、Lyria 3とLyria 3 Proの出力にSynthIDが埋め込まれると書いています（2026-10-25確認）。Lyria RealTimeのページは透かしが入ると書き、SynthIDの名前は出していません。公式のSynthIDのページには、検出の精度や誤検出率の記載はない、と読んだ要約にありました。
• ページ内の指示文。 取得したページに、AIへの指示と読める文は見つかりませんでした。

出典

• Generate music with Lyria 3.5（Gemini API、Google AI for Developers、確認日 2026-10-25）
• Lyria prompt guide（Gemini API、Google AI for Developers、確認日 2026-10-25）
• Lyria RealTime（Gemini API、Google AI for Developers、確認日 2026-10-25）
• How developers can use Lyria 3 for AI music generation（Google、2026-03-25、確認日 2026-10-25）
• Generate music with Gemini Apps（Gemini Apps Help、確認日 2026-10-25）
• Get started with Google Flow Music（Google Flow Help、確認日 2026-10-25）
• Create & manage songs in Google Flow Music（Google Flow Help、確認日 2026-10-25）
• Generate music with AI in Google Vids（Google Docs Editors Help、確認日 2026-10-25）
• Lyria 3 and Lyria 3 Pro on Vertex AI（Google Cloud、2026-04-07、確認日 2026-10-25）
• SynthID（Google DeepMind、確認日 2026-10-25）