В прошлом марте мне понадобился джингл на пятнадцать секунд для подкаста. Раньше я открывал DAW, минут двадцать ковырялся с пресетами, потом брал готовый луп из библиотеки и злился на себя. В этот раз вбил в генератор три слова: мрачный синт-поп, женский вокал, ночные поезда. Через минуту лежало два варианта, один ушёл в эфир без правок. Никто не спросил, кто играл на басу. Потому что баса там, в привычном смысле, и нет.
С тех пор я прогнал через разные сервисы штук двести треков: от корпоративных гимнов до колыбельных и злого дарк-фонка. Ниже - то, что понял на практике. Без восторгов про «ИИ заменит композиторов» и без страшилок.
Генератор музыки с помощью ИИ перестал звучать как рингтон из 2004-го
Ещё пару лет назад любой трек из нейросети выдавал себя за километр. Металлические тарелки, вокал с проглоченными согласными, мелодия, которая ходит по кругу и не развивается. Сейчас на слепом тесте я ошибаюсь примерно в трети случаев. Слух у меня натренирован на сведении.
Скачок произошёл не в «качестве звука», как любят писать в рекламе. Он произошёл в трёх вещах: артикуляция вокала, структура песни и умение держать стиль до конца трека. Раньше модель на втором куплете забывала, что это была гитара с хорусом, и подсовывала пианино. Сейчас держит.
Нынешнее поколение движков (условно V5, V5.5, V6 у разных вендоров) научилось главному: следовать запросу. Попросите «песня до трёх минут, темп 92, куплет тише припева» - получите буквально это, а не «примерно так». Контроль длительности и темпа теперь задаётся текстом, без ползунков.
Что вы получаете на выходе, если отбросить красивые слова
Полноценную песню с вокалом, текстом и аранжировкой. Не «мелодию для фона», а трек с интро, куплетом, припевом и бриджем. Длительность обычно до трёх минут, иногда больше, зависит от движка.
Дальше идёт то, что отличает рабочий инструмент от демки. Экспорт в WAV, а не только в сжатый mp3. Продление трека, если он оборвался на самом интересном месте. Замена фрагмента: не понравился второй куплет, переписал только его, остальное не трогал. Генерация кавер-версий. Удаление вокала ради минусовки или стемов для DAW. В продвинутых сервисах - обучение собственного голоса и видео, где лицо поёт вашу песню.
Для блогера, который делает ролики, важнее другое: скорость. Пять минут от идеи до готового файла. Никаких сессионных музыкантов, студий и переписки в мессенджерах.
Как создать песню с помощью ИИ
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. Подойдёт песня о любви, танцевальный трек или история для особенного случая. Чем конкретнее формулировка, тем меньше вариантов придётся перебирать. «Грустная песня» даст вам сорок случайных всхлипов. «Грустная песня, акустическая гитара, мужской шёпот, темп 70, дождь за окном» даст примерно то, что вы слышите в голове.
02 / СЛОВА. Добавьте текст или сюжет
Начните с нескольких строк, готового текста, стихов или набора образов. Уточните важные детали, имена и язык песни. Вокал на русском сейчас получается приличным, но на длинных словах вроде «самоопределение» движок иногда спотыкается: ставьте их в конец фразы, где интонация падает.
Дальше нажимаете кнопку и слушаете. С первого раза редко выходит то, что хочется. С третьего обычно выходит.
Мне из всего, что я перепробовал, удобнее всего работать через 3seller.com/suno. 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 - дешевле, чем один час студии в моём городе.
Промпт весит больше, чем выбранная модель
Люди качают премиум-подписку, вбивают «сделай крутой трек» и удивляются каше. Промпт в музыке работает как техническое задание звукорежиссёру. Чем точнее, тем меньше переделок.
Рабочая формула, к которой я пришёл: жанр, эпоха, инструментарий, тип вокала, темп, настроение, референс по продакшену. Не обязательно всё сразу, но четыре пункта из семи должны быть.
Плохой запрос: «весёлая песня про лето».
Нормальный: «летний инди-поп, женский вокал с лёгкой хрипотцой, живые барабаны, тёплый бас, темп 118, припев с подпевками, продакшен в духе тёплой кассеты, без автотюна».
Разница примерно как между «нарисуй дом» и «нарисуй пятиэтажку в стиле брежневки, вечер, снег».
Отдельно про негативные указания. «Без электроники» модель часто понимает как «добавь немного электроники, но как бы невзначай». Надёжнее перечислять то, что должно быть.
На Reddit в ветках про генерацию музыки это повторяют почти дословно: подписка не спасает, если в промпте три слова и ни одного инструмента.
Где ИИ-вокал палится, а где слушатель не отличит
Разберу технически, потому что здесь люди чаще всего разочаровываются.
Первое: шипящие и свистящие согласные. На «с» и «ш» нейросеть иногда выдаёт лёгкий цифровой песок. В плотном миксе не слышно, в а капелле слышно сразу. Лечится эквалайзером в диапазоне 5-8 кГц или более удачной генерацией.
Дыхание. Живой вокалист берёт вдох, и этот вдох попадает в микрофон. Модели научились вставлять дыхание, но иногда ставят его не туда, где кончается фраза, а туда, где кончается такт. Слух цепляется, хотя умом не понимаешь, что не так.
Третье: вибрато. У живого голоса оно плавает по амплитуде и частоте. У сгенерированного иногда слишком ровное, как у синтезатора с LFO. Заметнее всего на длинных нотах в балладах.
Четвёртое, самое коварное: одинаковость двух дублей. Живой певец каждый раз поёт чуть иначе. Если куплет и второй куплет звучат с точностью до семпла, внимательный слушатель это поймает.
В жанрах с плотным продакшеном (синт-поп, фонк, хайперпоп, современный кантри) разницы почти нет. Сам жанр построен на обработке, и «стерильность» звучит органично. В акустике и джазе любая неестественность вылезает.
Свой текст или сгенерированный: когда что работает
Если у вас есть стихи, всегда начинайте с них. Свой текст даёт уникальность, которой не будет у тысячи других пользователей, нажавших «сгенерировать песню о любви».
Если текста нет, встроенный генератор лирики выдаст что-то на уровне приличного школьника: рифмы работают, смысл провисает. Для джингла, открытки или фоновой песни в ролик этого хватает. Для трека под своим именем лучше посидеть вечер и написать самому.
Лайфхак из практики: пишите текст сразу с разметкой структуры. Пометьте, где куплет, где прехорус, где припев. Модель читает это как партитуру и строит динамику правильно, а не растягивает одну мелодию на три минуты.
Жанры, где нейросеть уже сильнее среднего сессионного музыканта
Честный список по моему опыту.
Электроника любого вида: синтвейв, лоу-фай, хаус, фонк, драм-энд-бейс. Тут ИИ почти не ошибается: жанр построен на повторяемости и синтетических тембрах.
Корпоративная и рекламная музыка. Гимны, джинглы, треки для презентаций. Раньше на это уходили дни и деньги, сейчас десять минут и 149 рублей.
Детские песни и музыка для видео. Простые мелодии, понятный текст, предсказуемая структура. Идеальная задача для генератора.
Кантри, поп-рок, эстрада восьмидесятых и девяностых. Ностальгические жанры модель воспроизводит точнее актуальной поп-музыки: в обучающих данных их было много и они однородные.
Сложнее с джазом, академической музыкой и живым фолком. Дело не в умении модели, а в том, что там ценится человеческая неровность: дыхание, случайная нота, микроскопический рассинхрон. Идеально сыгранный джаз звучит мёртво, и с этим парадоксом нейросети пока плохо справляются.
Сколько это стоит и как не переплатить
Разброс цен огромный: от бесплатных лимитов в три песни в день до подписок за несколько тысяч рублей в месяц. Бесплатные тарифы почти всегда режут качество экспорта или ставят в очередь на десять минут.
Для старта хватает минимального платного доступа. На 3seller.com/suno вход начинается от 149 рублей, и этого достаточно, чтобы понять, работает ли инструмент под вашу задачу. Не покупайте годовую подписку, пока не сделали хотя бы пять треков. Половина людей бросает после второго: ждали «кнопку хит».
Считайте не подписку, а стоимость одного готового трека. Если из десяти генераций в дело идут три, а одна песня закрывает задачу на день работы, арифметика сходится моментально.
Права и монетизация: коротко о том, где люди попадают
Платный тариф почти всегда даёт коммерческие права на трек. Бесплатный, как правило, только для личного использования. Читайте условия конкретного сервиса, а не статьи в интернете: правила меняются каждые несколько месяцев.
Второй момент: не просите генератор спеть голосом конкретного артиста. Сервисы это блокируют, а в некоторых юрисдикциях такое использование незаконно. Стиль, эпоха, манера подачи - да. Имя и фамилия реального человека - нет.
Третий момент: не пытайтесь выдавать трек за запись живой группы. Смысла ноль, а репутационно можно влететь. К ИИ-музыке люди относятся нормально, когда она честно обозначена.
Типичные ошибки, на которых теряют вечера
Первая и главная: ждать идеала с первого раза. Нормальный цикл - три-пять генераций на трек. Отобрали лучший вариант, дальше правите его, а не начинаете заново.
Перегруженный промпт. Люди пишут по триста слов, смешивают пять жанров и удивляются мешанине. Модель не микширует противоречия, она их честно воспроизводит.
Игнорирование структуры. Без разметки куплетов и припевов песня получается плоской. Пять минут работы над текстом экономят час прослушивания мусора.
Прослушивание в наушниках на телефоне. Половину артефактов вокала слышно только в нормальных мониторах или хороших наушниках. Слушайте результат на трёх устройствах, прежде чем публиковать.
Мой рабочий процесс: пять треков за вечер
Сначала выписываю задачи на бумаге. Не «сделать музыку», а конкретно: джингл для выпуска про налоги, фон под рекламу курса, поздравительная песня для коллеги.
Дальше на каждый пункт пишу промпт по формуле жанр плюс инструменты плюс вокал плюс темп. Тексты пишу сам, если это что-то личное, и отдаю генератору, если это фон.
Потом прогоняю по три варианта на задачу. Слушаю первые пятнадцать секунд: если интро не цепляет, припев не спасёт.
Выбранные треки скачиваю в WAV, обрабатываю по минимуму: лёгкий эквалайзер, компрессор на мастер, ограничитель. Файл готов. На пять треков уходит примерно два часа с перекурами.
Раньше на это уходила неделя и бюджет, который я не хочу вспоминать.
Что делать прямо сейчас
Выберите одну конкретную задачу. Не «хочу попробовать нейросеть», а «мне нужен трек для вот этого видео» или «хочу поздравить маму песней». Конкретика запускает процесс, абстракция его убивает.
Сформулируйте промпт по формуле выше, напишите четыре строки текста и запустите генерацию на 3seller.com/suno. Дальше станет понятно само: либо вы сидите и слушаете двадцать вариантов, потому что затянуло, либо закрываете вкладку и возвращаетесь к делам. Оба исхода нормальные.
Остальные ИИ-инструменты, которые я использую в работе, собраны тут: 3seller.com/3gpt.
И последнее. Генератор музыки с помощью ИИ не делает вас музыкантом. Он убирает барьер между идеей в голове и готовым файлом. Барьер, на который раньше уходили годы обучения и десятки тысяч рублей. Вот это и есть настоящая новость, а не споры о том, заменит ли нейросеть композиторов.