Gemini 3.1フィーバーの陰で、Googleがひっそり仕込んでいたもの——Lyria 3「画像から音楽生成」を実際に触ってみた

2026年2月、AIクラスタのタイムラインは「Gemini 3.1 Pro」一色だった。推論性能2倍超、思考シグネチャ、エージェント機能の刷新——確かにそれは大きなニュースだった。

でも、その騒ぎに隠れるように、Googleはもうひとつの機能を静かに転がり込ませていた。

2026年2月18日、Geminiアプリに「Create Music」ボタンが現れた。

ニュースになったには違いないが、Gemini 3.1の熱量に比べると明らかに扱いが小さかった。でも実際に触ってみると、これがなかなか面白い。Googleエコシステムに自然に溶け込んだ、いちばん「手軽なAI音楽生成」がここにあった。

Lyria 3 は Google DeepMind が開発した音楽生成モデルで、Geminiアプリに統合されている。テキストプロンプトだけでなく、画像や動画をアップロードして「そのイメージに合う楽曲」を生成できるのが最大の特徴だ。

歌詞も自動生成、カバーアート（ジャケット画像）も同時に出力される。操作は Gemini のチャット画面にある「Create Music」ボタンを押すだけで、アカウントさえあれば追加インストールは一切不要だ。

Lyria 3 で最も驚いたのが、画像→音楽の精度だ。

試しに一枚の写真をアップロードしてみた。テーブルの上に置かれた銀の懐中時計、その周りに散らばる桜の花びら、そして鎖に絡まるように置かれた二つの指輪——という、どこか物語を感じさせる構図の写真だ。

プロンプトには何も書かず、ただ画像だけを渡した。

数秒後、こんな楽曲が生成された。

"Two Rings Forever Yours"

タイトルだけで、もう伝わると思う。AIは写真の「時間」「愛」「永遠性」というテーマを読み取り、ストリングス主体のバラードを生成した。歌詞には「time stands still」「rings of silver and gold」というフレーズが入っていた。

画像の空気感をそのまま音楽に変換する——この体験は、テキストプロンプトだけのサービスにはない独自の価値だと思った。

Google DeepMind が公式に公開しているプロンプトガイドをもとに、実際に試して有効だったコツをまとめる。

1. ジャンル＋年代で指定する

90年代ポップスのノリで、ピアノとシンセが印象的なアップテンポな曲

「ジャンル × 年代」の組み合わせは再現性が高い。「2000年代のJ-POPバラード」「80年代シティポップ」なども精度よく反応する。

2. 感情・シーンで指定する

梅雨の朝、窓の外を眺めながらコーヒーを飲む静かな曲

楽器名より「場面」や「感情」で伝えるほうが、イメージに近い楽曲が返ってくる傾向があった。

3. ジャンルを混ぜる

クラシックバイオリンとファンクベースが融合した、映画のエンドロールに合う曲

Lyria 3 は異ジャンルの混合が得意だ。公式ガイドでも「K-popとモータウンの融合」を例として挙げている。

4. 画像だけで渡す（おすすめ）

テキストを書かずに画像だけ渡すと、AIが画像から感情・色調・構図を分析して独自解釈で曲を作る。期待値ゼロで渡したときのほうが「おっ」となることが多い。

5. 特定アーティスト名は「スタイル参照」として使う

アーティスト名を入れると、その名前は「スタイルのヒント」として扱われ、楽曲そのもののコピーは生成されない（著作権対策）。「宇多田ヒカルっぽい雰囲気のR&B」は機能するが、完全な模倣は出てこない。

無料ユーザーが30秒制限なのは既報だが、Google Workspace のアカウントでも現時点では同様に30秒制限がかかっている。

有料プラン（AI Plus / Pro / Ultra）では制限が緩和されるとされているが、具体的な上限秒数は公表されていない。

正直なところ、30秒はSNSのリールやショートコンテンツには十分だが、YouTube動画のBGMやポッドキャストには物足りない。Sunoの無料枠が約2分まで生成できることを考えると、長尺コンテンツには向かない。

Lyria 3 は「ちょっと試したい」「SNSで使えるBGMが欲しい」という用途に最もフィットする。

Suno は音楽クオリティと歌詞の細かいコントロールで優位だ。プロの楽曲制作補助や長尺BGM制作には Suno を選ぶべきだろう。

一方、Lyria 3 の強みは**「Geminiを開くだけでいい」**という圧倒的な手軽さと、画像→音楽という独自の入力軸にある。すでにGemini を日常的に使っているなら、追加の手間ゼロで試せる。

ローカルで動く本格モデルが気になる方は、以前書いた「Blogローカルで音楽を作る。ACEStep 1.5を本気で試したら詰まって、直して、驚いたACEStep 1.5をRTX 4070 Ti 12GBで実際に動かした記録。CUDA graphバグの修正からJ-Pop・Lo-fi・Rock・Ambient 4ジャンルの生成実験まで、数字ありで正直に書く。→」も読んでみてほしい。GPU1枚で商用クオリティの楽曲が10秒で生成できる時代になっている。

Lyria 3 がおすすめな人:

• Gemini をすでに使っている
• SNSのリール・ショート動画用BGMが欲しい
• 「写真の雰囲気に合う音楽」を探している
• 音楽の知識がなくてもすぐ試したい
• 追加アカウント・アプリは増やしたくない

Suno や ACE-Step の方が向いている人:

• 2分以上の楽曲が必要
• 歌詞を細かくコントロールしたい
• 商用クオリティを追求したい
• ローカル完結でプライバシーを守りたい（ACE-Step）

Gemini 3.1 の陰に隠れていたが、Lyria 3 は「Googleエコシステムで完結する最も手軽なAI音楽生成」として静かに定着していきそうだ。

桜と懐中時計と指輪の写真が「Two Rings Forever Yours」という楽曲になった瞬間の驚きは、テキストだけのサービスでは味わえないものだった。

まだベストプラクティスが確立されていない今こそ、自分で試して「こういうプロンプトが効く」を発見する面白さがある。30秒という制約を逆手に取って、SNSのショートコンテンツ向けBGMを量産する使い方が現時点では最もハマりそうだ。

Gemini を開いたら、写真を1枚放り込んでみてほしい。何が生まれるかは、AIと写真だけが知っている。

情報の鮮度: この記事は 2026年2月時点の情報をもとに執筆しています。

HW系エンジニアとして20年以上、10,000件を超える顧客訪問と2,000件を超える単独ソリューション実績。AIツールを使った個人開発やIoT農園など、Raspberry Piを使ったオートメーション化なども実践中です！エンジニア専門結婚相談所も運営中、ClaudeCodeで解決できない心の課題も解決いたします！

• Blog【速報・完全版】Gemini 3.1 Pro徹底解説 — 推論2倍超・思考シグネチャ・エージェント時代の幕開け2026年2月19日リリースのGemini 3.1 Proを完全解説。ARC-AGI-2で77.1%（前世代比2倍超）、SWE-bench 80.6%を達成。Thinking Levels・思考シグネチャ・Context Caching最大90%削減・Batch API・Google Antigravityなど、開発者が知るべき全機能をベンチマーク比較表・料金表・プロンプト例付きで徹底解説。→
• Blog「Pro品質 × Flash速度」が一本化。Nano Banana Pro 2（Gemini 3.1 Flash Image）完全解説GoogleのAI画像生成「Nano Banana Pro 2」＝Gemini 3.1 Flash Image を実際に触って確認した。品質と速度が一本化、料金実質半額。デメリットも正直に書く。→