概要
Googleのフルレングス楽曲生成モデル。2026年3月25日に発表され、開発者向けにGemini APIとGoogle AI Studioで公開プレビューとして提供された。(blog.google)
能力と用途
- テキストや画像から、約3分までの楽曲を生成。イントロ、ヴァース、サビ、ブリッジなどの構成を指定できる。(blog.google)
- ボーカル、インストゥルメンタル、歌詞の生成や、利用者が用意した歌詞に対応。曲の長さ、BPM、強度などを調整できる。楽曲制作や音楽生成アプリの開発に利用できる。(docs.cloud.google.com)
- 出力にはGoogle AI生成コンテンツを識別するSynthIDの電子透かしが埋め込まれる。(blog.google)
制限
- プレビュー版。Google Cloudの仕様では音声は最大184秒、1プロンプトにつき1クリップ、MP3形式。入力はテキストと画像で、動画生成は非対応。(docs.cloud.google.com)
- Gemini APIのモデル資料では、コンテキストキャッシュ、Batch API、関数呼び出し、検索グラウンディング、Live APIなどは非対応。(aistudio.google.com)
- サンプリング周波数について、Gemini APIのモデル資料は48 kHzステレオ、Google Cloudの仕様は44.1 kHzと記載しているため、利用する提供環境の仕様を確認すること。(aistudio.google.com)
料金
Gemini Developer API有料枠:USD 0.08/生成曲1曲。無料枠は利用不可。公式料金表は入力・出力を個別のトークン単価ではなく、フルソング生成1曲当たりの料金として掲載している。入力・出力それぞれの別料金は未確認。確認日:2026年11月16日。(aistudio.google.com)