Я попросил Алису создать песню про серого пса. Через минуту колонка играла трек, а дочка прыгала по комнате. Работает. Но когда понадобилась песня для друзей, а не для кухни, выяснилось: голосовой навык - это быстрый вход, а не студия.
Ниже - как создать песню через Алису голосом, что навык умеет на самом деле и где сдаёт позиции. И чем заменить голосовую генерацию, если нужен трек, который не стыдно отправить.
Алиса, запусти навык генерация музыки: команда, с которой всё начинается
Сценарий простой: «Алиса, запусти навык генерация музыки». В ответ слышите: «Привет! Скажи: создай песню про что-нибудь и в каком стиле». Дальше диктуете тему и жанр. Например: «Создай песню про серого пса в стиле кантри».
Алиса предупреждает: «Создаю песню, это займёт минуту. Спросите: готово?». Через тридцать секунд спрашиваете «Готово?» и слышите: «Работаю. Осталось секунд тридцать». Ещё через полминуты песня играет прямо на станции.
Магии здесь нет: это навык, который собрал разработчик на Yandex Dialogs API. Внутри AWS Lambda, DynamoDB и Replicate с моделью Google Lyria 3 Pro. На всё ушло два вечера. Проверял на своей Станции - работает без бубна.
Текст в реальном времени Алиса не сочиняет. Она запускает внешний навык, тот генерирует трек и отдаёт аудио обратно. Отсюда и минута ожидания. При слабой сети дольше: один раз я ждал полторы минуты.
Команды, которые я использовал чаще всего:
- «Создай песню про море в стиле инди-рок»: запускает генерацию по теме и жанру.
- «Играй»: включает последнюю сгенерированную песню.
- «Играй про море»: ищет трек по названию или теме.
- «Измени» или «Перепиши»: просит переделать текущую песню.
- «Готово?»: показывает прогресс генерации.
Как формулировать тему, чтобы Алиса не выдала кашу
Экстрасенсорных способностей у Алисы нет. Запрос «сделай песню» приведёт к чему-то среднему. «Создай песню про серого пса в стиле кантри, медленную, с гитарой» даст больше шансов. Проверял на десятке вариантов.
Плохая формулировка: «про жизнь». Модель выдаст набор общих слов. Хорошая: «про жизнь старого маяка на Балтике, в стиле инди-фолк, женским голосом». Появляются детали, за которые можно зацепиться.
Закономерность я заметил быстро. Чем конкретнее тема, тем меньше воды в тексте. Просите «про море» - получите «море, волны, чайки, свобода». Просите «про море и старый маяк, где смотритель ждёт сына» - получите историю. На Reddit в ветках про генеративную музыку любители сходятся в том же: длина промпта не важна, важна конкретика.
Стиль тоже лучше уточнять. «Рок» это широко. «Инди-рок с женским вокалом и медленным темпом» уже направление. Алиса не покажет список жанров, но поймёт слова. Я просил «кантри», «рэп», «колыбельную». Работает.
Готовый текст голосовой навык не примет. Он не спросит «дай мне три куплета». Он попросит тему и стиль. Для своих стихов нужен другой инструмент. Об этом ниже.
Что навык умеет, кроме создания: играй, ищи, переделывай
Одной командой набор не ограничивается. Навык умеет играть последнюю песню, искать по названию и переделывать. «Играй про море» я говорил раз десять. Удобно, когда точное название выветрилось из головы: сказал «Играй про серого пса» и колонка заводит нужный трек.
Переделка работает так: говорите «Измени» или «Перепиши». Навык просит уточнить, что именно поменять. Можно сказать «сделай быстрее» или «добавь больше гитары». Но это не микшер: вы не крутите ручки, а просите словами. Результат зависит от модели и формулировки.
Прогресс показывается командой «Готово?». Алиса отвечает «Работаю. Осталось секунд тридцать» или «Почти готово». Спасает от ощущения, что всё зависло. Я один раз спросил пять раз подряд, и Алиса не обиделась. Хотя, может, и обиделась, но виду не подала.
Команда «Играй» включает последнюю песню. Сгенерировали трек про пса, потом про море - «Играй» включит море. Чтобы вернуться к псу, скажите «Играй про пса». Логика простая, как дверь в подъезде.
Минута ожидания: почему это честно
Генерация музыки не мгновенная. Даже Suno с мощными серверами думает несколько секунд, а голосовой навык проходит через несколько слоёв. Сначала Алиса распознаёт речь. Потом вызывает навык, тот отправляет запрос в Replicate, модель Lyria 3 Pro генерирует аудио, файл возвращается на станцию.
Собрал это не Яндекс и не команда из двадцати человек, а один энтузиаст за два вечера. Такая сборка объясняет и плюсы, и ограничения. Плюс: живой продукт, который реально работает. Минус: нет полировки, как в коммерческом сервисе.
Минута ожидания это нормально. В тишине вы не сидите: Алиса говорит «Работаю», спрашивает «Готово?», поддерживает диалог. Для ребёнка это игра. Для взрослого способ убить время, пока модель думает. Я за это время успеваю налить кофе.
При плохой сети ожидание растягивается. Навык может сказать «Осталось секунд тридцать» три раза подряд. Это не баг, а честный прогресс: модель не знает точное время, она даёт оценку. Я привык и не нервничаю.
Где голосовая генерация ломается: четыре ограничения
Первое: текст. Навык создаёт песню по теме, но готовый текст вы не вставите. Он не спросит «дай мне три куплета и припев». Вы говорите «про серого пса», и модель сама придумывает слова. Иногда получается мило. Иногда бессмысленно. Я получил строчку «серый пёс грызёт луну», и дочка спросила, зачем псу луна.
Второе: голос и стиль. Сказать «в стиле рок» или «женским голосом» можно, но это не выбор из списка. Модель интерпретирует. Я просил «инди-рок с женским вокалом», получил что-то между поп-панком и рекламой шампуня. Для кухни сойдёт, для релиза нет.
Третье: файл. Навык играет трек на станции. Mp3 с обложкой и метаданными он не отдаёт. Слушать и переделывать можно, а для сторис или подарка нужен другой инструмент. Кнопки «скачать» в голосовом сценарии я не нашёл. Может, она есть в приложении, но я не нашёл.
Четвёртое, бонусом: повторяемость. Одна и та же тема даёт разные треки. Такая вариативность не баг, а сама природа генерации. Но если хотите контролировать результат, голосовой навык не ваш инструмент. Для эксперимента отлично, для продакшена мало.
Как создать песню через Алису и не остаться с демо
Алису я использую как генератор идей. Это её сильная сторона. Скажите «создай песню про море в стиле инди-фолк», послушайте, что получилось. Иногда модель выдаёт неожиданный поворот: не «море и чайки», а «море и старый маяк». Это можно взять и развить.
Дальше открываю Suno. Вставляю текст, выбираю стиль, голос и настроение. На выходе трек, который звучит как живой исполнитель. Разница слышна с первых секунд: вокал не режет слух, инструменты не сливаются, припев цепляет.
Схема простая: Алиса даёт направление, Suno даёт результат. Час на пустой файл вы не тратите. Вы уже знаете, о чём песня и какое у неё настроение. Осталось сделать нормальную версию.
Так вышло с песней про маяк. Алиса накидала настроение, я дописал три куплета и припев, Suno спел это женским голосом в стиле инди-фолк. Друзья спросили, какая группа. Я сказал, что группа называется «Я и нейросеть». Они поверили.
Suno: следующий шаг, если нужен трек неотличимый от живого
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. Я пользуюсь Suno, потому что там вокал звучит как живой, а не как синтезатор из рекламы.
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.

Входов два. Первый: вы даёте идею - «песня про серого пса, кантри, мужской голос, медленный темп». Второй: вы даёте готовый текст. Дальше выбираете голос и жанр: мужской, женский или инструментал, поп, рок, рэп, классика. Запускаете генерацию, через минуту слушаете. Не понравилось - меняете настройки и пробуете снова.
В отличие от голосового навыка, здесь вы управляете текстом, жанром, настроением и вокалом. Можно перегенерировать, можно скачать, можно использовать в проекте. Цена от 149 рублей это не «подписка на месяц», а разумный вход. Сравнивал с другими сервисами: разница в качестве вокала слышна.
Пополнить баланс можно российской картой, через СБП или криптой. Все инструменты для ИИ есть тут: 3gpt. Там генераторы текста, музыки и видео. Но за песнями я возвращаюсь в Suno. Привычка.
Практика: от голосовой команды до готового файла
Мой сценарий, который работает. Говорю Алисе: «Запусти навык генерация музыки». Потом: «Создай песню про серого пса в стиле кантри». Жду минуту, слушаю. Если тема цепляет, записываю услышанный текст или накидываю свой.
Дальше открываю Suno. Вставляю текст, выбираю мужской голос, кантри, средний темп. Генерирую. Слушаю. Вокал не тот - меняю на женский. Темп быстрый - ставлю медленный. Пара итераций, и трек готов.
Файл скачиваю. Отправляю в мессенджер. Ставлю на будильник. Дочка просит «ещё про пса». Я говорю Алисе «Играй про серого пса», и она заводит. Круг замкнулся.
Для сторис я делаю короткую версию в Suno. Для подарка добавляю обложку. Для шутки хватает Алисы. Главное не пытаться сделать релиз из голосового навыка. Это разные инструменты.
Один раз я сделал песню про день рождения коллеги. В Алисе получил смешной текст про торт и свечи. В Suno переписал два куплета, добавил имя и корпоративную шутку. Коллега смеялся и просил файл. Голосовой навык бы так не смог.
Что я понял после десятка песен про пса и море
Голосовой навык Алисы это лучший способ начать. Он снимает страх чистого листа. Вы говорите тему, через минуту слышите результат. Пусть кривой, пусть смешной, но он есть. Такая простота важнее идеальной настройки.
Для серьёзной задачи нужен Suno. Там вы контролируете текст, стиль, голос. Там вокал звучит как живой. Там можно скачать файл. Цена от 149 рублей, и это не те деньги, которые жалко потратить на эксперимент.
Алису я не удаляю. Она остаётся быстрым входом. Когда дочка просит песню про кота, я не открываю ноутбук. Говорю «Алиса, создай песню про кота». Через минуту у нас концерт. Когда делаю подарок другу, иду в Suno.
Смысл в том, чтобы не выбирать между инструментами, а ставить каждый на своё место. Алиса для идеи и веселья. Suno для результата, который не стыдно показать. Я пробовал наоборот, и получилось хуже.
С чего начать сегодня
Начните с голосовой команды. Скажите Алисе: «Запусти навык генерация музыки». Потом «Создай песню про что угодно». Это займёт минуту. Понравится - откройте Suno и сделайте нормальную версию. Цена от 149 рублей. Ваш следующий трек уже близко.
Навык не запускается - проверьте, включён ли он в приложении Яндекс. Я один раз мучился, потому что после обновления навык отключился. Включил, и всё заработало. Голосовые навыки иногда живут своей жизнью.
И не ждите идеального результата с первого раза. Генерация это итерации. Первый трек может быть смешным. Второй лучше. Третий уже можно отправлять. Главное начать.