Первый сгенерированный трек я услышал в наушниках приятеля, звукорежиссёра с пятнадцатилетним стажем. Он молча включил три минуты поп-баллады, дождался моего кивка «нормально» и только потом сказал: пел не человек, сводил не человек, на всё ушло сорок секунд. Он не шутил и не хвастался. Просто показал, как в 2027-м работает связка «чат ИИ - создать песню», и это давно не эксперимент гиков, а обычный рабочий инструмент.
Дальше две недели я выяснял, где магия, а где маркетинг. Магии больше, чем принято думать, граблей тоже хватает. Ниже - всё, что я собрал на своих треках, включая те, что до сих пор стыдно включать при людях.
Что происходит внутри, когда вы пишете в чат «сделай мне песню»
Модель не «сочиняет» по-человечески. Она предсказывает, какой звук логично идёт следующим, опираясь на гигантский корпус музыки. Отсюда странности: то гениальный ход, то припев, который звучит как реклама зубной пасты.
Внутри три слоя. Первый - текст: языковая модель пишет строчки под ваш бриф. Второй - музыка: генератор собирает инструментал, аранжировку, ритм-секцию. Третий - вокал: синтез голоса, который тянет ноты и дышит. Иногда слышно, как певец набирает воздух перед длинной фразой. Ещё два года назад третий слой был главным слабым местом, сейчас в наушниках отличить получается не с первого раза.
Вывод простой: чем точнее описали, что хотите услышать, тем меньше модель фантазирует за вас. Запрос «сделай красивую песню» даёт ровно то, что заслуживает, - усреднённый поп без характера.
Промпт, который реально работает, а не выглядит красиво
Хороший запрос выглядит как техническое задание, а не как просьба к другу. Жанр, темп, настроение, инструменты, тип голоса, эпоха звучания. Формула, которая у меня прижилась: жанр плюс темп плюс настроение плюс 2-3 инструмента плюс характер вокала.
Живой пример, с которого получился трек, не стыдный для публикации: «медленный инди-фолк, 78 BPM, тёплая акустическая гитара с нейлоновыми струнами, тихая виолончель на втором плане, мужской хрипловатый вокал с придыханием, ночная атмосфера, лёгкая реверберация, без барабанов в первом куплете». Всё, дальше модель делает сама и делает неплохо.
Трюк, который экономит часы: просить сразу несколько вариантов и не слушать их подряд. Уши замыливаются на втором. Слушаю первый, откладываю, возвращаюсь через час. Разница слышна отчётливо.
Текст решает больше, чем кажется новичкам
Самая частая ошибка: люди пишут стихи, а получают кашу. Причина в ритме. Модель поёт по слогам, и если в строке десять слогов, а в следующей восемнадцать, вокалист начнёт захлёбываться или комкать окончания. Читайте строки вслух с одинаковой скоростью - слышно сразу.
Второй момент - структура. Куплет, припев, снова куплет, бридж, припев. Если вывалите в чат три абзаца текста, генератор сам решит, где припев. Почти наверняка решит не там, где вам хотелось. Размечайте вручную, даже грубо, даже скобками.
Третий момент - конкретика. Строка «я скучаю по тебе» звучит никак. Строка «на кухне остыл твой чай, третий час» цепляет, потому что в ней есть картинка. Модель охотно поёт детали: они дают ей за что зацепиться интонационно.
Идея и слова: два шага, с которых начинается нормальный трек
Чтобы сделать ИИ-песню, не обязательно начинать с готовой композиции. Достаточно сформулировать, о чём она и какое настроение должна передавать.
01 / ИДЕЯ. Задайте направление. Опишите тему, настроение и желаемое звучание. Это может быть песня о любви, танцевальный трек или история для особенного случая.
02 / СЛОВА. Добавьте текст или сюжет. Начните с нескольких строк, готового текста, стихов или набора образов. Уточните важные детали, имена и язык песни.

На этих двух шагах делается 80% результата. Дальше - шлифовка. Проверить на своём тексте можно прямо сейчас: Suno на 3seller. 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.
Стиль и голос: два рычага, которые слышно с первой секунды
Вокал тянет за собой всё. Один и тот же текст в исполнении «женский мягкий поп-вокал с воздухом» и «мужской рок-голос с хрипотцой» превращается в две разные песни, которые не кажутся родственниками. Перебирайте голоса, пока не попадёте в характер.
Со стилем та же история, но есть нюанс. Чем более редкий жанр вы просите, тем выше шанс, что модель выдаст карикатуру. Я как-то заказал «шансон с балалайкой и духовыми» и получил что-то среднее между рестораном и мультфильмом. Работает наоборот: сначала базовый жанр, потом 1-2 уточнения. Пошагово, не всё сразу.
Отдельно про русский язык. Поп, рок, рэп, эстраду, шансон и фолк модели держат уверенно. Сложнее с длинными фразами, где смысл держится на запятых. Дробите. Короткая строка почти всегда звучит лучше красивой длинной.
Где ИИ спотыкается: ударения, имена и латиница
Про ударения можно писать диссертацию. Модель поставит ударение на первый слог в слове, где вы всю жизнь ставили на второй. Заметите вы это на третьем прослушивании, когда трек уже у заказчика. Лечится просто: проблемное слово пишется так, как слышится, или заменяется на синоним.
Имена и названия - вторая головная боль. Русские имена иногда произносятся с интонацией диктора из 80-х. Иностранные вставки читаются с акцентом, причём с тем самым, от которого вы избавлялись в школе. Проверяйте каждое имя отдельным прогоном.
Третье: цифры и аббревиатуры. «В 2027-м» легко превращается в «в две тысячи двадцать седьмом» с паузой посередине строки. Пишите словами сразу, сэкономите нервы.
Напойте мелодию, если объяснять словами надоело
Самый недооценённый режим. Включаете микрофон, мычите мелодию, которая вертится в голове третий день, и модель подхватывает её как основу. Дальше текст и жанр, через минуту-две получаете два варианта.
Идеально не работает: если мычите без ритма, движок достроит свой. Но общий контур, интервалы и настроение сохраняются. Я так вытащил мелодию, которую напевал в душе, и получил вполне приличный драм-н-бэйс, чего от себя не ожидал.
Полезно и в обратную сторону: не можете объяснить, что хотите, - напойте референс. Голосом передать характер проще, чем двадцатью прилагательными.
Поющее фото и прочие игрушки, которые заходят публике
Отдельная ветка развлечений - оживление фотографий. Загружаете снимок, сервис делает так, что человек с фото открывает рот в такт треку. Для дней рождения, корпоративов и семейных чатов работает безотказно: люди смеются и просят ещё.
Отношусь к этому спокойно. Музыки здесь нет, есть эмоция. Но именно такие штуки лучше всего продают инструмент: человек один раз посмеялся, а потом сел и написал нормальную песню для мамы на юбилей.
Цены: от ста рублей до подписки, и что вы получаете за разницу
Рынок раздвоился. С одной стороны дешёвые сервисы, где трек стоит около полусотни рублей и делается по шаблону: вставил текст, выбрал стиль из списка, нажал кнопку. Для поздравительной песенки на скорую руку нормально, для большего тесновато.
С другой стороны полноценные генераторы вроде Suno: за 149 рублей вы получаете не шаблон, а нормальный продакшн - аранжировку, живой вокал, сведение и возможность дожать результат правками. Разница слышна в первые пять секунд, особенно в наушниках.
Совет: не покупайте годовой тариф на эмоциях после первого удачного трека. Возьмите минимальный пакет, сделайте пять песен, послушайте через неделю. Если всё ещё нравится, расширяйтесь.
Права на трек: читайте мелкий шрифт, это не формальность
Бесплатные тарифы почти всегда оставляют сервису право использовать ваш трек, а вам - личное прослушивание. Для подарка другу сойдёт. Для рекламы, стриминга или коммерческого ролика нужна лицензия, и она обычно идёт с платным планом.
Проверяйте два пункта: можно ли использовать результат коммерчески и остаётся ли он в публичном доступе у сервиса. Остальное вторично. Музыку для площадок лучше делать на платном тарифе, чтобы потом не переделывать.
Куда деть готовый трек, чтобы он не умер в папке «Загрузки»
Первое: сохраните в wav, а не в mp3. Пережмёте позже, если понадобится, а качество обратно не вернётся.
Второе: не выкладывайте первый вариант. Сгенерируйте три-четыре версии одного текста с разными промптами и выберите ту, где припев держит. Разница бывает радикальной, вплоть до другого жанра на выходе.
Третье: подпишите файл. Через месяц вы не вспомните, какой из двадцати треков «тот самый» и где был правильный бридж. Три слова в названии файла сэкономят вечер раскопок.
Что я делаю с треками, которые получились плохо
Не удаляю. Складываю в отдельную папку с честным названием. Раз в пару месяцев слушаю и нахожу там либо припев, который стоит переписать в новом треке, либо удачную аранжировку - её можно повторить более точным промптом.
ИИ-генерация устроена так, что брак в ней полезнее успеха. Из неудачного трека вы узнаёте, какие слова модель поняла неверно, где пережала с реверберацией, на каком слове сломала ударение. На Reddit в ветках про генеративную музыку это и называют главным отличием новичка от практика: новичок удаляет неудачу, практик разбирает её по частям.
Если хотите начать без теории, есть короткий путь. Откройте генератор песен Suno, опишите идею в две строчки, вставьте текст куплета и припева, выберите голос. Первый результат придёт минуты через две. Что подкрутить, поймёте сами: наслушаетесь своих же ошибок.
Все инструменты для ИИ, которые я упоминаю и не упоминаю, собраны в одном месте: 3gpt. Удобно, когда не хочется держать двадцать вкладок.
Начните с одной песни про что-то конкретное. Не про любовь вообще, а про тот вечер, когда вы опоздали на последний автобус. Конкретика отличает трек, который слушают до конца, от трека, который закрывают на восьмой секунде. Модель это чувствует, ей нужно только дать за что зацепиться.