Первый раз такое случилось на третьем треке. Заказчик попросил песню пониже, чтобы спеть на корпоративе. Я сгенерировал, отправил, получил ответ: «не беру последний припев, высоко». Дальше начались три вечера, о которых можно было бы написать отдельный грустный пост.
В Suno нет функции «изменить тональность». Модель не редактирует ваш трек, она пишет новый: каждый рендер это новая мелодия, новый вокал, новая аранжировка. Даже если вы поменяли одно слово в промпте. Дальше речь пойдёт не про волшебную кнопку, а про три обходных пути, которые реально работают.
Почему просьба «понизь на два полутона» уходит в пустоту
Генеративная модель обучена на связке «описание - аудио». Жанр, настроение, темп, тип вокала она понимает прекрасно. А тональность для неё слишком абстрактная величина: в обучающих данных ключ почти никогда не был подписан отдельным параметром. Модель выучила, что такое мрачный трип-хоп. Что такое ля минор, она не выучила.
В обсуждениях на vc.ru один автор описал это лучше, чем я смог бы. Он писал в промпте «понизь тональность на два полутона», прописывал последовательность аккордов в явном виде, пробовал разные формулировки. Suno игнорировал всё. С темпом, по его наблюдению, чуть легче: примерно каждая третья песня слушается, а если не вышло, хоть пятьдесят итераций крути, модель упирается.
Мой счётчик чуть веселее. Из десятка попыток прописать тональность в поле style сработали две, и то подозреваю совпадение. Проверял анализатором ключа: там оказывался совсем другой минор.
Что я пробовал в промптах и чем это закончилось
Чтобы вы не тратили вечер, вот честный отчёт по формулировкам. Стабильного результата не даёт ни одна, но некоторые хотя бы меняют подачу.
- «lower the key by 2 semitones» и «-2 semitones» в style. Модель местами реагировала сменой тембра, ключ оставался прежним.
- Явные аккорды (Am F C G) в описании. Иногда влияет на гармонию, но не на вокальный диапазон. Проверить на слух почти невозможно: кажется, что просто стало грустнее.
- «in the key of D minor». Самое бесполезное. Один раз выдало почти то же самое, что и без указания.
- «baritone male vocal», «deep contralto», «lower register». Работает. Ключ не меняется, зато вокалист поёт ниже, и задача «чтобы я смог спеть» часто решается именно так.
Тональность в Suno меняют после генерации, а не во время. Всё, на что вы влияете в промпте, это регистр голоса и общее настроение.
Способ первый: транспонировать готовый файл
Самый быстрый путь и мой основной. Скачиваете трек из Suno, закидываете в редактор с функцией pitch shift, двигаете ползунок на нужное число полутонов.
Из браузерных мне больше всего нравится vocalremover.org/ru/pitch. Приложение само находит тонику с ладом и BPM, показывает их вам, дальше два ползунка: высота тона и скорость. Считает локально в браузере, файлы никуда не уходят, что приятно, когда гоняешь чужие демки. Точность при сдвиге на 1-3 полутона приличная: артефактов почти не слышно на телефоне и в наушниках начального уровня.
В DAW то же самое делает встроенный pitch shifter, у многих с сохранением формант. В Ableton это Complex Pro, в Logic Flex Pitch, в Reaper ReaPitch. Разница принципиальная: нормальный алгоритм двигает высоту и темп отдельно, а простой плеер тянет их вместе, как виниловая пластинка на другой скорости, и ударные начинают отставать от сетки. Второй вариант слышно сразу.
Сколько полутонов можно двигать без катастрофы
Правило вывел на десятках треков, оно железное. Один, два, максимум три полутона вниз. Вверх ещё меньше: один или два, дальше вокал начинает звенеть.
Немного математики, чтобы стало понятно, откуда берётся предел. Полутон это 5,95% по частоте, два полутона 12,2%, три 18,9%. Трек в ля миноре после трёх полутонов вниз оказывается в фа-диез миноре, и разница между «чуть ниже» и «что-то сломалось» на слух накапливается очень быстро.
Причина в формантах. Тембр голоса определяется не только основной частотой, но и резонансами гортани, а они при простом pitch shift едут вместе с тоном. Сдвинули на четыре полутона вниз, и певец звучит как человек с очень крупной головой, на пяти слышно бочку и металл. Вверх ещё хуже: знакомый всем эффект гелиевого шарика приходит на четвёртом полутоне.
Если нужна разница больше трёх полутонов, транспонирование не тот инструмент. Перегенерируйте трек с другим описанием вокала: другой регистр, другой пол, другая манера. Три-четыре попытки дают результат лучше, чем один файл, сдвинутый на шесть полутонов.
Способ второй: MIDI и ручная правка нот
Путь длиннее, зато даёт контроль. В гайдах на Хабре схема описана подробно: вытащить отдельные инструменты в MIDI, двигать ноты по высоте, менять аккорды по времени, а слишком тихие ноты игнорировать при конвертации, чтобы не тащить мусор.
Инструментальная часть получается хорошо. Бас, клавиши, синты, арпеджио переносятся в ноты, и вы спокойно транспонируете всё на нужное число полутонов, не теряя качества. Заодно можно заменить инструмент, отрегулировать громкость, убрать лишние ноты.
Вокал получается плохо. MIDI для голоса это набор нот без формант и без дыхания, слушать такое можно только как черновик мелодии. Нужен живой вокал в другой тональности, честнее перегенерировать.
Detuned и tuned-down: единственный способ попросить высоту заранее
В большом гайде по Suno на Хабре есть приём, который я сначала не оценил, а потом распробовал. Модель хорошо понимает слова про расстройку инструмента: detuned, tuned-down, flat-tuned тянут звук ниже, tuned-up, sharp-tuned, high-pitched выше. Работает даже для инструментов, которые физически не способны так звучать.
К тональности песни это прямого отношения не имеет: ключ останется тем, каким его придумала модель. Зато приём даёт предсказуемый сдвиг по высоте для отдельных партий, а на слух разница между «трек написан в другой тональности» и «все инструменты слегка подстроены вниз» почти незаметна. Для гитар и синтов это вообще основной ход.
Темп меняется по той же логике
С темпом та же история, и она рядом. Указывать его в промпте можно, иногда он даже соблюдается, но точного значения вы не получите никогда. Попросите 90 BPM, получите на слух что-то между 87 и 94.
Я давно не борюсь. Ставлю темп в промпте примерно, а точную цифру выставляю потом в том же редакторе с ползунком скорости. Заодно решается проблема, когда трек в целом хорош, но чуть вальяжен для танцпола.
Тональность вокала и тональность микса - разные задачи
Частая ошибка: транспонировать весь трек целиком, когда высоко поёт только голос. Вместе с вокалом вниз уезжают бас, клавиши, синты, и микс теряет блеск. Бас на двух полутонах вниз превращается в кашу, особенно если он и так был низкий.
Правильнее разделить. Suno отдаёт stems, отдельные дорожки: инструментал транспонируем, вокал оставляем или перегенерируем. Stems под рукой нет, помогут разделители вокала и инструментала, их сейчас много в сети.
Барабаны и перкуссию при транспонировании лучше исключить совсем. Формально они не строят, но тарелки и шейкеры при сдвиге начинают звучать как из другой комнаты, и на общем миксе это слышно.
Как узнать, в какой тональности написан трек
Не слышите на слух, не мучайтесь. Анализатор ключа в том же vocalremover показывает тонику и лад автоматически, в DAW почти везде есть встроенное определение. Ориентир на слух простой: найдите ноту, на которой трек как будто успокаивается, чаще всего это тоника.
По моим наблюдениям Suno особенно любит вываливаться в до-диез минор и ля минор, независимо от того, что вы просили. Причину не знаю, но паттерн повторяется из трека в трек.
Если играете живьём, каподастр решает быстрее ползунка
Сценарий, который многие пропускают. Вы гитарист, у вас есть трек, и вокал в нём высоковат. Двигать трек не обязательно, можно сдвинуть себя: поставить каподастр на второй лад, поменять аппликатуру и спеть в новой тональности поверх исходного минуса. В обратную сторону работает так же, когда вокал низковат.
Клавишникам то же самое делает кнопка transpose на инструменте. Звучит банально, но на репетиции экономит час.
Мой порядок действий от идеи до готового трека
Сложилось за полгода, работает стабильно.
- Генерирую 3-4 версии с разными описаниями вокала: мужской баритон, низкий женский, что-то среднее. Слушаю, где верхняя нота припева мне комфортна.
- Если разница с нужной тональностью в пределах двух полутонов, транспонирую готовый файл. Аудио при этом почти не страдает.
- Если больше трёх, меняю промпт и перегенерирую. Формулировки про регистр голоса, а не про тональность.
- Инструментал в другой ключ переношу через MIDI, если он мне нравится настолько, что жалко выбрасывать.
- Сохраняю файлы с пометкой ключа и BPM в названии. Через месяц без этого не разберётесь, где что.
Где генерировать, чтобы возиться с транспонированием меньше
Чем лучше исходник, тем меньше потом ползунков. Я генерирую на 3seller.com/suno: доступ к Suno без регистрации в зарубежных сервисах и без карты, цена от 149 рублей. Модель та же, качество вокала то же, зато перебирать варианты быстрее, а для нашей задачи это критично: у меня обычно уходит три-четыре рендера, пока найдётся комфортный регистр.
Создайте любую песню, какую только можете представить.
Начните с простой идеи или сразу откройте профессиональные инструменты: ваш следующий трек уже близко.
Как создать песню с помощью ИИ
Начинать с готовой композиции не обязательно. 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.
02 / СЛОВА. Добавьте текст или сюжет. Начните с нескольких строк, готового текста, стихов или набора образов. Уточните важные детали, имена и язык песни.

Пополнить баланс можно российской картой, через СБП или криптой.
Чего делать точно не стоит
Не пытайтесь указать тональность аккордами в надежде, что модель споёт именно в ней. Гармонию она иногда поменяет, вокал останется в своём диапазоне, а вы потеряете вечер.
Тянуть один трек на пять и больше полутонов бессмысленно, даже с современными алгоритмами. Топовые плагины с сохранением формант на таком сдвиге дают слышимый пластик, особенно на шипящих и на «с».
И не верьте советам «просто напиши lower pitch в style». Работает через раз и только у людей с хорошей выборкой удачных рендеров, о которой они почему-то забывают упомянуть.
Первое, что стоит сделать прямо сейчас
Возьмите последний трек, который вам нравится, прогоните через транспонирование на два полутона вниз и послушайте. Скорее всего вокал станет плотнее, и вы сразу услышите, влезает ли он в ваш диапазон. Разница маленькая, оставляйте. Большая, перегенерируйте с другим описанием голоса.
Все инструменты для работы с ИИ, включая генерацию музыки, собраны в одном месте: 3seller.com/3gpt.