Пару месяцев назад ко мне пришёл знакомый, который пишет песни в стол. В заметках тридцать куплетов, ни одной демки. За вечер мы собрали шесть треков, два он выложил, и в комментариях спрашивали, кто сводил вокал. Никто не сводил. Вокал сгенерировала нейросеть.
Люди, которые ищут ИИ-генератор музыки на подобии Yolly, хотят одного: чтобы результат не пах синтетикой. Дальше начинаются нюансы. Кому-то нужен джингл для подкаста, кому-то подарок на свадьбу, кому-то полноценный релиз под своим именем. Требования к звуку у этих задач разные, а выбор сервисов не такой большой, как кажется.
Разбираю по-честному: что такие генераторы реально умеют, где ломаются и на чём я в итоге остановился.
Yolly задал планку, и планка быстро стала нормой
Yolly я пробовал одним из первых. Логика простая: пишешь описание или вставляешь текст, выбираешь настроение, получаешь готовый трек с вокалом и аранжировкой. Сверху автоматический мастеринг, который вытягивает громкость и баланс до уровня, за который не стыдно. На их сайте висит отзыв звукорежиссёра про «звучит как после студийной обработки». Преувеличения нет, мастеринг действительно приличный.
Детали вылезают на втором-третьем треке. Мелодия ходит по кругу. Вокал садится в одну и ту же середину независимо от жанра. На длинных нотах появляется стеклянность, будто певец поёт через тонкий слой плёнки. Для поздравления коллеге или джингла для подкаста сойдёт. Для релиза в плейлисты уже мало.
Претензия не к конкретному сервису. Похожая история у MusGen, где после описания выбираешь стиль и тембр голоса. Похожая у Tunee, который умеет достраивать трек по загруженной мелодии. Идея у всех одна, разница в исполнении. А детали как раз и решают, слушают трек второй раз или пролистывают.
Живой трек отличается от поделки тремя вещами
Дыхание. Настоящий вокалист берёт воздух между фразами, иногда не вовремя, иногда слышно, как смыкаются связки. Модели, которые этого не моделируют, звучат как MIDI с наложенным текстом. Слушатель не поймёт, в чём дело, но фальшь почувствует за пару секунд и уйдёт.
Микродинамика. Живая запись никогда не идёт ровно по громкости. Есть строки, спетые громче, есть почти шёпотом. Выровненный по уровню трек превращается в рекламный джингл, даже если текст про разбитое сердце.
Аранжировка, которая дышит вместе с текстом. На слове «тихо» инструменты реально уходят вниз, на припеве добавляется подкладка. Барабаны, стоящие по сетке от начала до конца, звучат механически, хотя формально всё на месте.
По этим трём пунктам я и отбираю генераторы. Количество стилей, красивые превью на главной, скорость работы вторичны. Слушателю всё равно, сколько у тебя пресетов. Ему важно, цепляет или нет.
Suno - это тот случай, когда вокал перестаёт выдавать себя
Через 3seller.com/suno я гоняю треки уже довольно долго. Разница с тем же Yolly слышна, и не в пользу последнего. Suno тянет дыхание, тянет хрип, умеет сделать так, что в куплете голос звучит почти шёпотом, а в припеве раскрывается. В слепом тесте двое из трёх моих знакомых не отличили сгенерированный трек от записи малоизвестной группы.
Важнее другое: нет ощущения, что тебя зажали в рамки одного шаблона. Нужен рок-балладник с гитарным соло на две минуты, пожалуйста. Нужен трэп с женским речитативом на русском, тоже. Нужен оркестровый саундтрек без слов для видео, вообще без проблем: вокальную дорожку можно не включать.
Всё это работает без музыкального образования. Я не играю на инструментах, не пишу ноты и не знаю, что такое компрессия на шине. Нужно только сформулировать идею словами. Сервис делает остальное.
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, эксперименты не бьют по карману. Пополнить баланс можно российской картой, через СБП или криптой.
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. 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.

Третий шаг у каждого сервиса свой, смысл одинаковый: выбрать стиль, тембр голоса, нажать кнопку и получить результат за минуту-две. Дальше самое интересное: прослушивание и правки.
Промпт решает больше, чем принято думать
Типичная ошибка новичка: написать «грустная песня» и удивляться, что получилась каша. Модель не читает мысли. Ей нужны конкретные маркеры: темп, инструменты, тип голоса, эпоха, референс настроения.
Мой рабочий шаблон: «медленная инди-баллада, 70 BPM, женский вокал с хрипотцой, акустическая гитара и виолончель, тихий куплет и широкий припев, лёгкая реверберация, атмосфера поздней осени». Пять-шесть уточнений, и попадание с первого раза вырастает в разы.
С текстом то же самое. Четыре строки куплета и две припева дают более живой результат, чем простыня на двадцать строк. Модель лучше работает с плотной структурой, где есть повторяющийся рефрен. Помечайте в тексте, где куплет, где припев, где бридж. Без этих меток сервис сам решит, где поставить кульминацию, и не факт, что вам понравится его выбор.
Отдельно про язык. Русский вокал у современных моделей получается чище, чем год назад, но акцент всё ещё проскакивает на длинных словах. Спасает короткая строка и простые конструкции. Пишете по-русски - проверяйте длинные слова и окончания.
Если текст уже написан, половина работы сделана
У большинства людей, которые приходят к ИИ-генераторам, текст уже есть. Стихи, наброски, куплеты из заметок. И это лучший сценарий: генератор не угадывает, о чём песня, он одевает готовый смысл в звук.
Я обычно делаю так. Беру свой текст, разбиваю на блоки, помечаю структуру. Потом генерирую четыре-пять вариантов с разными стилями: один ближе к задумке, остальные нарочно мимо, чтобы услышать текст в другой подаче. Пару раз именно «неправильный» вариант оказывался тем самым. Песня про потерю вдруг заходила в формате весёлого диско, и контраст делал её сильнее.
Не бойтесь переставлять куплеты и менять последнюю строку. Иногда одна переписанная фраза меняет весь припев.
Голос всё равно не тот: что крутить
Меняйте не текст, а описание голоса. «Женский вокал» это ни о чём. «Женский вокал с низким грудным регистром, ближе к джазу, с лёгкой усталостью в подаче» даёт совсем другой результат. Работает и обратное: нужен чистый попсовый тембр - просите ровно это, без эпитетов про душу.
Второй приём: сменить жанр при том же тексте. Одна и та же песня в акустике и в электронике звучит как два разных произведения, и иногда второй вариант раскрывает смысл. Текст про одиночество в танцевальном треке внезапно начинает работать.
Жанры, где ИИ уже не отличить от человека
Лучше всего модели справляются там, где много продакшена и мало живой нюансировки. Электроника, синтвейв, фонк, лоу-фай, эмбиент, танцевальные треки, современный поп с плотным сведением. Разница между живой сессией и генерацией почти незаметна, потому что исходник сам по себе плотно обработан.
В обсуждениях на Reddit про ИИ-музыку всплывает тот же нюанс: синтетику прощают в плотном продакшене и слышат её с первой секунды в акустике, где различима комната и каждое касание струны. Джаз с импровизацией, камерная классика, живой блюз с грязным звуком. Модели подбираются к этому уровню, но на длинной дистанции сдают: начинают повторять фразировку.
Русский рок и шансон, как ни странно, получаются хорошо. Там важнее подача и текст, а не виртуозность исполнения. Для подарка, для корпоратива, для семейного праздника работает без оговорок.
Сколько это стоит и где подвох
Цена начинается от 149 рублей за генерацию. Не «попробовать и уйти», а полноценный трек, который можно выложить, отправить заказчику или поставить в видео. Для сравнения: час в студии с сессионным вокалистом в Москве стартует от пяти тысяч, и это до сведения и мастеринга.
Подвох не в деньгах, а в ожиданиях. Первая генерация почти никогда не становится финальной. Планируйте три-четыре подхода, если хотите результат, который не стыдно показать. Второй момент: сервисы не любят имена реальных знаменитостей и чувствительные формулировки, запрос просто отклонится. Формулируйте описание через признаки, а не через имена.
Третье, самое важное: генератор не заменит вкус. Если вы не слушаете много музыки и не понимаете, что такое хороший припев, никакая модель не поможет. Она даст материал, а решать, что из него оставить, придётся вам.
Ошибки, которые я совершал сам
Первая: слишком длинный промпт. Я как-то вписал восемь строк про инструменты, эпоху, референсы и настроение, и получил невнятный винегрет. Модель размылась между задачами. Короткое плотное описание работает лучше длинного списка пожеланий.
Вторая: экономия на вариантах. Первый дубль кажется нормальным, пока не сравнишь с четвёртым. Слух адаптируется, и через десять минут ты уже не понимаешь, хорошо это или нет. Делайте паузу, слушайте на телефоне в наушниках, а не на мониторах.
Третья: игнорирование структуры. Трек без чёткого повторяющегося припева слушается как фон. Нужна песня, а не саундтрек - рефрен обязателен.
Три проверки перед публикацией
Послушайте трек на телефонном динамике. Если вокал тонет и текст не разобрать, баланс кривой. Живые записи обычно проходят этот тест, генерации часто нет.
Включите на тридцатой секунде и дослушайте последние два припева. Если они звучат идентично, трек мёртвый. Хороший генератор добавит в финальный припев хотя бы бэки или сменит инструмент.
Дайте послушать человеку, который не знает, что это ИИ. Не подсказывайте. Реакция «нормально» означает, что трек никакой. Реакция «а кто это поёт» означает, что вы попали.
Где ИИ-музыка реально приносит деньги
Первый канал очевидный: контент. Видео на ютубе, рилсы, подкасты, реклама для малого бизнеса. Плата идёт за фоновый трек, который не попадёт под страйк по авторским правам. Тут ИИ выигрывает у стоков по цене и по уникальности.
Второй: персонализированные подарки. Песня на свадьбу, на юбилей, на выпускной. Себестоимость копеечная, эмоция огромная. Я знаю человека, который делает такие треки на заказ и закрывает по пять-шесть заказов в месяц без рекламы.
Третий: демо для своих песен. Авторы, которые не умеют петь и играть, годами держат материал в столе. С генератором они слышат свою песню целиком и понимают, что в ней работает, а что нет. Иногда это меняет текст сильнее, чем любой редактор.
Четвёртый, менее очевидный: музыка для игр, приложений, локальных проектов. Разработчику-одиночке проще сгенерировать пять треков под разные локации, чем искать композитора с бюджетом.
Что в итоге выбрать
Если нужен результат, который не стыдно выложить под своим именем, я иду в Suno через 3seller. Вокал живой, аранжировка не разваливается на третьем куплете, жанровый диапазон широкий. Остальные инструменты для работы с ИИ собраны там же, на 3seller.com/3gpt, если понадобится текст, обложка или описание для релиза.
Практический шаг простой. Возьмите старый текст, тот, что лежит в заметках и никому не показывался. Откройте генератор, опишите настроение в пяти словах, добавьте структуру и запустите. Первый вариант, скорее всего, будет так себе. Второй уже удивит. Третий вы отправите друзьям, и они спросят, кто вам это сводил.