Lyria RealTime

Pesi chiusi Google DeepMind May 2025

Nessuna stima

Nessun requisito hardware per questo modello

I pesi per questo modello non sono stati pubblicati, quindi non può essere scaricato o eseguito sul proprio hardware di qualsiasi dimensione. È accessibile solo attraverso il suo fornitore e nessun cambiamento della scheda grafica che.

In registrazione

specifiche complete

Tutto in archivio per questo modello. La maggior parte descrive come è stato addestrato piuttosto che come gira — contesto utile per giudicare quanto lavoro c'è stato dietro, e come si confronta con i modelli costruiti su una scala diversa..

Origine

Chi ha costruito questo modello, dove e quando è stato pubblicato.

Organizzazione
Google DeepMind
Tipo di organizzazione
Industry
Paese
United States of America
Pubblicato
20 May 2025
Autori
Adam Roberts, Antoine Caillon, Cassie Tarakajian, Chris Donahue, Ian Simon, Jesse Engel, Noah Constant, Alberto Lalama, Andrea Agostinelli, Anna Huang, Ashu Desai, Brian McWilliams, David Tian, DY Kim, Ethan Manilow, George Brower, Hema Manickavasagam, Ilaria Manco, Julian Salazar, Kehang Han, Mauricio Zuluaga, Michael Dooley, Matej Kastelic, Monica Dinculescu, Ondrej Skopek, Pen Li, Reed Enger, T…

Cosa fa

Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.

Dominio
Audio
Compito
Audio generation

Dimensione

Quanto è grande il modello e su quanti dati è stato addestrato. I parametri sono la cifra che decide se si adatta a una determinata scheda grafica.

Dati di addestramento
tokens

Disponibilità

Se puoi ottenere il modello e farlo funzionare sul tuo hardware, il che decide se alcune delle cifre della scheda grafica su questa pagina sono applicabili.

Pesi
Closed — provider access only
Accesso al modello
API access
Codice di addestramento
Unreleased

API: https://ai.google.dev/gemini-api/docs/music-generation

Come è classificato

Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.

Record fiducia
Unknown

Fonti

Da dove proviene questo record e quando è stato controllato l'ultima volta.

Riferimento
Interactive real-time music creation model
Ultimo aggiornamento
28 November 2025

Cosa significano i numeri

Informazioni su questo modello

Lyria RealTime è stato pubblicato da Google DeepMind, nel paese registrato come United States of America, durante May 2025. La categoria sotto cui rientra l'editore è industry.

Funziona nel dominio di Audio, ed è registrato come eseguire il compito di audio generation.

Questo è un modello chiuso: i valori addestrati sono rimasti con chi li ha prodotti, e non c'è una versione locale da eseguire.

Risposte

Lyria RealTime — domande comuni

01

Lyria RealTime— è open-source?

No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.

02

Lyria RealTime— quanti parametri ha?

Non è stato pubblicato alcun conteggio dei parametri per esso, motivo per cui non appare alcun dato sulla memoria o sulla velocità su questa pagina.

03

Lyria RealTime— chi l'ha creato?

È stato pubblicato da Google DeepMind, basato su United States of America, un'organizzazione categorizzata come industry.

04

Lyria RealTime— quando è stato rilasciato?

È stato pubblicato in May 2025.

05

Lyria RealTime— A cosa serve?

Funziona nel dominio di Audio, e viene registrato come gestire il compito di audio generation. I modelli portano frequentemente più di uno di ciascuno, e le etichette descrivono lo scopo piuttosto che i limiti di capacità.

06

Lyria RealTime— che GPU ho bisogno per eseguirlo?

Nessuno. Questo è un modello chiuso - i suoi pesi non sono mai stati pubblicati, quindi non può essere scaricato o eseguito sul tuo hardware a qualsiasi prezzo. È accessibile solo attraverso il suo fornitore.

Fonte

Pubblicazione originale

Ultimo aggiornamento del record 28 November 2025

L'altra direzione

Guardandolo dall'altro lato?

Questa pagina parte dal modello. Se possiedi già una scheda e vuoi sapere tutto ciò che farà funzionare, inizia dall'hardware invece.