Google は 2026年2月18日（現地時間）、Gemini アプリ向けに新しい音楽生成機能を正式に導入したことを発表しました。
この機能は Google DeepMind が開発した最新の音楽生成モデル「Lyria 3」を搭載しており、テキストや画像、動画などのプロンプトから、歌詞付きの楽曲やインストゥルメンタルを生成することができます。
なお、筆者の環境でもすでに機能の有効化を確認しており、前回の記事では実際に日本語プロンプトと日本語音声付きでの生成を検証しています。
最新モデル「Lyria 3」による品質向上
今回 Gemini に搭載されたのは、Google DeepMind の最新世代モデルである「Lyria 3」です。従来のモデルと比較して、以下の 3 点で改良が加えられています。
- 歌詞の自動生成： ユーザーが歌詞を考える必要がなく、プロンプトの内容に合わせて AI が自動で作詞・作曲を行います。
- 制御性の向上： スタイル、ボーカルの有無、テンポなどの要素をより細かくコントロールできるようになりました。
- リアリティの追求： より音楽的に複雑で、リアルな楽曲生成が可能になっています。
実際に筆者が試した際も、特に内容を指示しなくても日本語の歌詞が違和感なくメロディに乗っており、これは Lyria 3 の言語処理能力の高さによるものと言えそうです。また、特定のアーティストを模倣するのではなく、オリジナルの表現を行うように設計されている点も特長です。
テキストだけでなく「画像・動画」からも生成可能
今回の発表では、テキスト入力だけでなく「画像」や「動画」をプロンプトとして利用できることも明らかになりました。
例えば、思い出の写真や動画をアップロードし、「この写真の雰囲気に合った曲を作って」と指示するだけで、そのビジュアルイメージにマッチした楽曲と歌詞が生成されます。
言葉で音楽のジャンルや雰囲気を詳細に説明するのが難しい場合でも、視覚情報を使って直感的にイメージを伝えられるのは大きなメリットです。
生成される楽曲は最大 30 秒で、生成時には「Nano Banana」によるカスタムカバーアートも同時に作成されます。
実機での展開状況と日本語対応
公式発表によると、この機能は現在デスクトップ版（Web版）から展開が開始されており、モバイルアプリ版へも数日中に展開される予定です。
対応言語は英語、ドイツ語、スペイン語、フランス語、ヒンディー語、韓国語、ポルトガル語に加え、日本語も正式に含まれています。筆者が検証した際、日本語のプロンプトでスムーズに動作し、日本語ボーカルが生成されたのも、正式サポート対象であったためです。
なお、対象ユーザーは 18歳以上となっており、Google AI Pro などの有料プランユーザーは、生成回数などの制限において高い制限値が適用される見込みです。
実際の生成手順や楽曲のサンプルなどは、以下の検証記事で紹介しています。
電子透かし「SynthID」による安全性
生成 AI によるコンテンツの識別が重要視される中、Gemini で生成されたすべての楽曲には、Google の電子透かし技術「SynthID」が埋め込まれます。
これは人間の耳には聞こえない透かしを音声波形に埋め込むことで、AI によって生成されたコンテンツであることを識別することができます。
また、Gemini アプリ自体にも「音声検証機能」が追加され、アップロードされた音声ファイルが Google の AI で生成されたものかどうかを判定できるようになります。
まとめ
以前から開発に取り組んでいることが示唆されていた、Gemini の音楽作成機能が正式に展開されました。
とくに日本語を含む多言語への即日対応や、画像・動画からも生成できる点は便利です。現在は段階的に展開中となっていますが、数日中には利用可能になると思われます。
