Первый нейротрек, который я не опознал с трёх секунд, играл в чужом рилсе про ремонт кухни. Нормальный такой трек: женский вокал с хрипотцой, бас качает, бридж на месте. Полез искать автора. Автора не было. Был промпт на две строки и кнопка «Создать».
С тех пор я прогнал через генераторы, наверное, сотни запросов. И скажу прямо: разница между «прикольно, что ИИ так может» и «это можно ставить в плейлист» огромная. Она не в модели. Она в том, как вы с ней разговариваете. Бот-нейрохит создать песню умеет, но хит получается только тогда, когда вы перестаёте просить «сделай красиво» и начинаете давать конкретику.
Телеграм-боты закрывают одну задачу, и это не хит
Когда люди гуглят «бот нейрохит создать песню», они обычно попадают в телеграм. Логика понятная: открыл чат, написал идею, получил mp3. Боты вроде Бро.Хит или pesnyaAibot так и работают: кидаешь текст, тему или голосовое, через минуту получаешь трек. Удобно. Быстро. И на этом плюсы заканчиваются.
Я гонял такие боты на подарках коллегам. Песня «С днём рождения, Серёга» получается за минуту, все смеются, отправляем в чат. Но когда я попробовал то же самое для нормального релиза, вылезли детали. Вокал звучит как синтезатор из 2019-го. Барабаны ровные до зевоты. Куплет и припев отличаются только тем, что во втором вокал громче. Мастеринг отсутствует как класс, трек тише любого референса на 4-5 дБ, и при попытке поднять громкость он начинает сыпаться.
Для вирусного рилса этого хватает. Для чего-то большего нет. Боты-однодневки решают задачу «удивить друга», а не «сделать трек». Разница как между фото на мыльницу и съёмкой на камеру с рук.
Что именно ломается, когда просишь нейросеть сделать песню
Первое и главное: структура. Модель по умолчанию генерит что-то усреднённое, без драматургии. Нет нарастания, нет паузы перед последним припевом, нет того самого момента, когда трек «отпускает» и потом бьёт сильнее. Три с половиной минуты ровного полотна.
Второе: вокал. Артефакты слышны на длинных нотах. Модель «плывёт» в конце фразы, дыхания нет вообще, а согласные на быстрых партиях смазываются в кашу. На русском это особенно заметно: твёрдые согласные и шипящие выдают синтетику мгновенно. На английском проще, там фонетика более гладкая, и русскоязычные слушатели просто не вслушиваются.
Третье: текст. Без вашего участия нейросеть пишет стихи уровня поздравительной открытки. Рифма есть, смысла мало. Спасает ровно одно: даёте свой текст или хотя бы набор образов, которые вам важны. Имена, детали, конкретные места. Модель цепляется за них и выдаёт что-то живое.
Куда я в итоге пришёл и почему не ухожу
Из десятка сервисов, которые я тестировал за последний год, стабильно возвращаюсь к одному: генератор песен Suno на 3seller. Не потому что там магия. Потому что он даёт контроль, которого нет у телеграм-ботов, и при этом не требует установки DAW и трёх лет опыта.
Вот что реально меняет результат. Можно задать не только текстом, но и референсом: загружаете трек, который вам нравится по звучанию, и просите сделать похоже по вайбу, но с другим текстом. Модель снимает темп, характер аранжировки, тип вокала. Я так вытащил из старой демки нормальный припев, который три года не мог собрать сам.
Есть стемы. Вокал, барабаны, бас, остальное отдельно. Это значит, что можно вытащить вокал, подложить свой бит и получить что-то, что уже не пахнет генерацией. Или наоборот, взять чужую аранжировку и вписать свой голос. Работает не идеально, но для черновика и даже для финала уровня «инди-релиз» хватает.
И цена. От 149 рублей. Я платил больше за кофе, пока ждал генерацию в коворкинге. За эти деньги спорить с качеством как-то неловко.
Как создать песню с помощью ИИ: два шага, которые решают всё
Чтобы сделать ИИ-песню, не обязательно начинать с готовой композиции. Достаточно сформулировать, о чём она и какое настроение должна передавать. Всё остальное сервис додумает сам.
01 / Идея
Задайте направление. Опишите тему, настроение и желаемое звучание. Это может быть песня о любви, танцевальный трек или история для особенного случая. Чем конкретнее, тем лучше. Не «грустная песня», а «медленный инди-фолк, женский голос с хрипотцой, акустическая гитара, виолончель на втором плане, темп около 80». Разница в результате будет слышна с первых секунд.
02 / Слова
Добавьте текст или сюжет. Начните с нескольких строк, готового текста, стихов или набора образов. Уточните важные детали, имена и язык песни. Если текста нет вообще, дайте хотя бы пять-шесть опорных слов, которые должны прозвучать. Модель подхватит и развернёт.
Три вещи, которые отличают живой трек от генерации
Динамика. В живых записях громкость гуляет. Барабанщик чуть отстаёт, гитарист чуть торопится, вокалист дышит неровно. Генерация по умолчанию делает всё идеально ровно, и именно эта ровность выдаёт машину. Лечится просто: просите в промпте «живые барабаны», «лёгкий лоу-фай», «записано в комнате», «не квантизовано». Даже такая мелочь меняет ощущение.
Пространство. Хороший трек имеет глубину. Что-то впереди, что-то сзади, реверберация создаёт комнату. У ботов из телеграма всё в одной плоскости, приклеено к слушателю. В Suno можно попросить конкретную обработку: «широкий стерео-образ», «реверб на вокале как в соборе», «дабовый дилей на гитаре». Модель понимает.
Концовка. Большинство сгенерированных треков просто заканчиваются. Живой трек умеет уходить: затухание, последний аккорд, обрыв на полуфразе. Просите это отдельно. Звучит как мелочь, а на деле решает, будут ли ваш трек дослушивать до конца.
Каверы и смена жанра: самый быстрый способ удивить
ИИ-кавер это новая версия существующей песни, созданная нейросетью. Мелодия сохраняется, а голос, инструменты, аранжировка или жанр меняются. Раньше для такого нужна была студия и сессионные музыканты. Сейчас хватает пары минут.
В Suno это делается через режим Cover. Открываете сервис, выбираете трек, нажимаете Cover Song, описываете желаемый стиль, настраиваете параметры вроде Persona и референсного аудио, жмёте «Создать». Всё. Из «В траве сидел кузнечик» получается дарк-вейв, из советской эстрады синтвейв, из колыбельной трэп.
У меня в закладках лежит кавер на песню, которую я написал в 2016-м и так и не выпустил. Оригинал был на акустике, довольно унылый. Прогнал через Cover с промптом на пост-панк с женским вокалом. Слушаю теперь сам, хотя автора помню прекрасно.
Отдельная история, которая многих удивляет: кавер своим голосом. Записываете свой вокал, нейросеть клонирует тембр и поёт нужную песню. Не для всех жанров подходит, на высоких нотах всё ещё слышно, но для подарка или мемного трека это золото.
Мой рабочий сценарий: трек за вечер
Делюсь тем, как это выглядит у меня, без магии.
- Пишу на бумаге 6-8 строк. Именно на бумаге, не в чате. Рука медленнее, мысли глубже. Там же отмечаю настроение одним словом: злость, нежность, тоска, драйв.
- Собираю промпт из трёх частей: жанр и темп, характер вокала, детали аранжировки. Пример: «инди-рок, 120 bpm, мужской вокал с надрывом, грязная гитара, живые барабаны, орган в припеве».
- Гоняю четыре-пять вариантов. Не слушаю целиком, только первые 20 секунд и припев. Если за 20 секунд не цепляет, дальше смысла нет.
- Выбираю лучший, слушаю полностью. Почти всегда что-то ломается во втором куплете или на бридже.
- Правлю точечно: перегенерирую проблемный фрагмент, меняю одну строчку в тексте, добавляю тег структуры.
- Скачиваю, гоняю через лёгкий мастеринг. Хотя бы поднять громкость и убрать лишний низ.
По времени это часа полтора, если не залипать. И да, первые два-три трека будут звучать средне. Это нормально. Промпт это навык, как и любой другой.
Где люди спотыкаются чаще всего
Перегружают промпт. Пишут абзац на 200 слов, где и джаз, и метал, и народные инструменты. Модель пытается объять необъятное и выдаёт кашу. На Reddit в ветках про AI-музыку я не раз видел одну и ту же жалобу: «прошу эпично, получаю вату». Эпично для модели ничего не значит. Лучше три-четыре чётких признака, чем двадцать размытых.
Не дают текста. Ждут, что нейросеть сама напишет гениальные стихи. Она напишет нормальные, но про среднее. Про любовь вообще, про город вообще. Ваша история про конкретную девушку, конкретный двор и конкретную песню из её наушников будет звучать в сто раз лучше, даже если рифмы слабее.
Игнорируют язык. Русский вокал у всех моделей пока слабее английского. Если трек нужен для рилса, где текст всё равно никто не слушает, разницы нет. Если текст важен, готовьтесь к тому, что придётся перегенерировать больше раз и внимательнее слушать согласные.
Не слушают до конца. Генерируют, слышат хорошее начало, сохраняют. А в середине трек разваливается. Всегда проверяйте финал.
Что с этим делать прямо сейчас
Создайте любую песню, какую только можете представить. Начните с простой идеи или сразу откройте профессиональные инструменты, ваш следующий трек уже близко. Цена от 149 рублей, доступ вот тут: 3seller.com/suno.
И последнее, что я скажу, потратив на это год. Не пытайтесь сразу сделать шедевр. Сделайте десять плохих треков. На третьем вы поймёте, как формулировать промпт. На шестом начнёте слышать, где модель врёт. На десятом получите то, что не стыдно показать. Нейросеть это не кнопка «хит», это инструмент. Хороший, быстрый, дешёвый. Но играть на нём всё равно вам.