AI動画制作一括見積もり.com一括見積もりを依頼する
メニュー

Lyria 3.5とStable Audio 3.0画像から単発生成か音声サンプルの変換か

画像をムードボードとして単発の曲を作るならLyria 3.5、既存の音声サンプルを変換・inpaintするならStable Audio 3.0。入力素材の残し方で経路を選びます。

GoogleとStability AIの公式資料を2026年10月19日に確認しました。Stable AudioはAPI referenceの8 creditsと価格ページの26 creditsが一致しないため、採用経路を固定するまで換算しません。

執筆・確認：株式会社志庵 編集担当　確認日：

この記事の目次
  1. 01画像を渡すか音声を変換するか
  2. 02正式ID・入力・出力の条件を比べる
  3. 03画像ラフとgeneration idを保存する
  4. 04架空の映像用BGMを作る
  5. 05song単価とcredits表示を分ける
  6. 06出典・確認範囲
01

画像を渡すか音声を変換するか

Lyria 3.5はテキストまたは画像を入力し、曲と歌詞をMP3で返すGemini APIモデルです。絵コンテやジャケット案を音楽の方向へ渡すとき、入力画像とpromptを一つのリクエストへまとめます。

Stable Audio 3.0はstable-audio-3の非同期APIで、テキスト、duration、seedなどを指定し、音声サンプルを変換する経路やaudio-to-audio/inpaintを案内します。既存ループの変換、音声素材の延長、部分修正をジョブとして管理するときに使い分けます。

判断
画像と文章を起点に単発の曲を作るならLyria、変換元の音声ファイルと生成ジョブを正本にするならStable Audio。音質・変換成功率・速度は測定していません。
02

正式ID・入力・出力の条件を比べる

両社の公式資料で確認できる入力・生成・取得条件（2026年10月19日確認）
確認軸Lyria 3.5Stable Audio 3.0制作で決めること
正式な識別子lyria-3.5。Gemini APIの音楽生成モデル。stable-audio-3。Stability APIのaudio generation。model IDと経路を保存。
入力テキスト、画像、カスタム歌詞。入力token limitは131,072。prompt、duration、seed、steps、cfg_scale、音声サンプル変換。画像ラフか変換元音声かを正本にする。
出力・処理MP3と歌詞、44.1kHz stereo。single-turnで反復編集を案内しない。POSTは202でidを返し、GETで結果を取得。MP3/WAV、音声変換・inpaintの経路。結果を曲か非同期jobへ紐付ける。
尺・設定公式資料は数分程度の制御と、曲生成を案内。固定の長尺上限は別途確認。APIのdurationは1〜380秒、steps 4〜8、seed 0〜4294967294。受付値、実出力、取得結果を別記録。
料金単位$0.08/song。無料提供なし。API referenceは8 credits/成功生成、価格ページは26 credits。1 credit=$0.01。Stableの表示差を採用経路ごとに確認。

Stable Audio Small/Mediumの公開weightsとLarge APIは別の配布形態です。公開weightsの実行費や制限をAPIの表へ足しません。

03

画像ラフとgeneration idを保存する

Lyria 3.5では、画像の出典とファイル形式、画像に対応するprompt、歌詞、生成日時、結果MP3と歌詞を保存します。single-turnなので案を変えるときは別リクエストとして版を分けます。

Stable Audioでは、変換元音声のファイル形式と権利確認、prompt、duration、seed、steps、cfg_scale、POSTの返却id、GET結果、HTTP状態を保存します。非同期ジョブの失敗と取得結果を別レコードにします。

Lyriaの入力台帳

  • 画像の用途と出典。
  • prompt、歌詞、生成日時。
  • MP3と歌詞、採用案。

Stableのjob台帳

  • 変換元音声と権利確認。
  • duration、seed、steps、cfg_scale。
  • generation id、取得結果、失敗理由。
04

架空の映像用BGMを作る

仮の条件（実際の生成結果ではない）

架空の製品紹介映像に、青い光の製品画像と、手元の30秒ドラムループがある。90秒のインストBGMへまとめ、終盤だけ音を厚くする案を比較する。

  1. Lyriaでは製品画像、光の変化、インスト指定、90秒程度の希望をpromptへまとめ、入力画像と結果MP3を保存する。
  2. Stableではドラムループ、音声変換の指示、duration 90、seed、steps、cfg_scaleを非同期jobへ渡す。
  3. Stableの返却idから結果を取得し、元ループ、生成ファイル、採用版を別名保存する。
  4. 映像のカット尺、音量、MP3/WAVの受け渡しを確認する。どちらが自然に聞こえるかはこの例から決めない。

素材の起点が画像か音声かで、保存すべき履歴と再実行手順が変わります。

05

song単価とcredits表示を分ける

Lyria 3.5は$0.08/songです。画像やpromptの再送、別案の数、保存・編集に要する作業は別に見積もります。

Stable Audioは、API referenceの8 credits/成功生成と価格ページの26 creditsが一致していません。1 credit=$0.01という換算だけを使って片方へ寄せず、stable-audio-3の実際の採用経路とアカウント表示を確認してから予算を固定します。

見積もりへ残す値
model ID、画像または音声のファイル形式、prompt、duration、seed、再生成数、generation id、credits表示、確認日。
06

出典・確認範囲

GoogleとStability AIの公式資料を2026年10月19日に確認しました。正式ID、入力、出力、single-turn・非同期経路、尺、価格の表示差を確認しています。音質、変換成功率、レイテンシー、実請求額は測定していません。