Первую песню, целиком сделанную нейросетью, я услышал в наушниках в метро. Русский вокал, припев, бридж, финальный дроп - всё на месте. Полез искать подвох и не нашёл: трек собрался за одну генерацию, пока я ехал две остановки.
С тех пор нейромузыка перестала быть аттракционом. Ей заказывают песни на свадьбы, блогеры закрывают интро, небольшие студии гонят болванки для клиентов. Если вам нужно именно создать песню, а не потыкать кнопки ради любопытства, дальше пойдёт практика без сантиментов.
Что нейромузыка умеет прямо сейчас, без скидок на «технологию будущего»
Короткая хронология, чтобы вы понимали масштаб. Декабрь 2023, Suno v2: треки по двадцать-тридцать секунд, шумные, но уже с вокалом. Март 2024, v3: две минуты, и именно с этой версии началась мода на музыку из нейросетей. Дальше v3.5, где длина выросла до четырёх минут.
Четыре минуты - это полноценная песня, а не фрагмент. Куплет, припев, второй куплет, бридж, финал. Модель отдаёт готовую композицию: вокал, мелодию, аранжировку и сведение сразу, без похода в редактор. На один запрос приходит два варианта, и обычно один попадает в задуманное с первого раза.
Языков много, русский в списке. Мелочью такое не назовёшь: большинство музыкальных моделей на русском выдают кашу из согласных, а иногда и акцент, который слышно с первой строки.
Три ожидания, которые разбиваются о реальность
Первое. Нейросеть не продюсер вашего живого материала. Есть записанная гитара и вокал - она не сведёт это в трек и не подтянет вокал в тональность. Она делает песню с нуля. Всё, что вы приносите: текст, настроение, жанр и референсы словами.
Второе. Тексты, которые модель придумывает сама, часто ровные и пресные. Смысл есть, рифмы есть, а строчки, которую хочется перепеть, нет. Если песня для себя или для подарка, свои слова почти всегда выигрывают. Готовый текст модель кладёт на музыку отлично - это её сильная сторона.
Третье. Вкус. Пустой промпт в духе «сделай классную песню» даёт классную песню в понимании среднего пользователя интернета. Пять генераций подряд, все похожие. На Reddit в тредах про генерацию музыки новички жалуются ровно на это: треки сливаются в один. Разница между «неплохо» и «вау» почти всегда в описании: инструменты, темп, тип вокала, эпоха, настроение.
Первый трек: четыре минуты от идеи до готового файла
Чтобы создать песню с помощью ИИ, 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. Песня о любви, танцевальный трек, история для особенного случая, всё что угодно. Чем конкретнее формулировка, тем меньше генераций уйдёт в мусор.
02 / СЛОВА. Добавьте текст или сюжет
Начните с нескольких строк, готового текста, стихов или набора образов. Уточните важные детали, имена, язык песни.

Дальше одна кнопка. Через минуту-две слушаете два варианта, выбираете, скачиваете. Всё это живёт на 3seller.com/suno, там же удобно гонять итерации, если первый заход не попал в настроение.
Свой текст против сгенерированного: где разница слышна
Я перестал доверять автогенерации текста после третьей подряд песни про «огонь внутри» и «дорогу домой». Модель выдаёт связный текст, но он не про вас. Свои три куплета, написанные за вечер, звучат живее, даже если рифмы простые.
Технический момент, который экономит часы. В квадратных скобках расставляются структурные теги: [Verse], [Chorus], [Bridge], [Outro]. Модель их реально слушает. Припев после тега звучит как припев, а не как продолжение куплета, и бридж не сливается с финалом.
Второй момент про длину строк. Короткие строки на шесть-восемь слогов ложатся ровно. Длинные приходится сжимать, и вокал начинает тараторить, съедая окончания. Если строка не влезает в такт, режьте её, а не подгоняйте темп.
Третье. Имена собственные и скопления согласных в припеве лучше разбавлять. Модель их пропоёт, но интонация поплывёт, и это слышно даже на хорошем сведении.
Вокал по-русски: главный тест любой нейромузыки
Английский умеют петь почти все модели. Русский ломает большинство: ударения плавают, «что» превращается в «что» с чётким «т», а к концу куплета проступает акцент, которого там быть не должно.
Suno на русском поёт без акцента и не превращает слова в машинную кашу. Редкость, из-за которой её и выбирают, а не из-за интерфейса. Проверять просто: дайте текст с бытовой лексикой, без пафоса. Если модель справилась с разговорной интонацией, остальное вытянет.
Отдельно про женский и мужской вокал. Оба звучат естественно, но тембр задаётся описанием. «Женский вокал с лёгкой хрипотцой» и «женский вокал, высокий, чистый» дают две совершенно разные песни на одном и том же тексте.
Как описывать звук, чтобы попадать с первого раза
Формула, которая у меня работает: пол и тембр, инструменты, темп, жанр и эпоха, настроение. Порядок не критичен, важно не пропускать блоки.
Пример: «женский вокал с лёгкой хрипотцой, тёплый аналоговый синтезатор, сухая драм-машина, 92 BPM, lo-fi, ночная дорога, лёгкая грусть».
Пример: «мужской баритон, акустическая гитара с нейлоновыми струнами, контрабас, щётки по тарелкам, 70 BPM, джаз, дымный бар, поздний вечер».
Пример под русскую поп-сцену: «дуэт, мужской и женский вокал, яркие синты, сайдчейн, 118 BPM, поп, летний припев, стадионная энергия».
Работает и обратный ход. Есть референс, который вы не можете назвать по имени, опишите его словами: «как саундтрек к фильму про 80-е, но без иронии». Модель не знает название группы, зато понимает эпоху, плотность аранжировки и тип реверба.
Разбор одного промпта: что я ввёл и что получил
Задача была простая: песня для видео о поездке на море, но без курортного глянца. Ввёл текст на восемь строк, теги [Verse] и [Chorus], плюс описание: «мужской вокал, хрипловатый, гитара с овердрайвом, бас, живые барабаны, 104 BPM, инди-рок, пыльная дорога, солнце в объектив».
Первый вариант пришёл с чистым поп-звуком и слишком бодрым припевом. Второй оказался ровно тем, что нужно: гитара с лёгким перегрузом, вокал не вылизан, в конце куплета слышно дыхание. Один запрос, две песни, разница в характере.
Вывод, который стоит записать. Формулировки вроде «пыльная дорога» и «солнце в объектив» влияют на аранжировку сильнее, чем слово «рок». Модель переводит образы в плотность микса и характер инструментов.
Что делать с готовым треком дальше
Скачали, послушали в наушниках и в колонке телефона. Если в колонке всё разваливается, трек перегружен низами, проще перегенерировать, чем лечить эквалайзером.
Дальше мастеринг. Для стримингов ориентир минус 14 LUFS, для соцсетей можно громче. Если лезть в тонкости не хочется, любой бесплатный онлайн-мастер справится за минуту. Разница с исходником слышна, но не критична.
Обложку тоже можно собрать нейросетью, промпт тот же, что для песни, только про картинку. Дистрибуция через любой агрегатор, но перед загрузкой прочитайте условия тарифа, на котором генерировали: права на коммерческое использование отличаются от лицензии на личное прослушивание.
Сколько это стоит и где подвох
Песня под ключ у нейросети стоит от 149 рублей. Для сравнения, час сессионного гитариста в студии - другие деньги, и это без сведения. Аранжировщик, вокалист, сведение и мастеринг по отдельности складываются в сумму, которую большинство людей не готовы тратить на подарок или ролик на три минуты.
Подвох не в цене, а в ожиданиях. Нейросеть не напишет вам хит уровня радиоэфира с первого раза. Она даст материал, который на восемьдесят процентов готов, и эти двадцать процентов добьёт ваш текст и ваше описание.
Второй подвох. Не стоит генерировать по одному запросу и делать выводы. Десять минут, шесть генераций, и вы уже понимаете, какими словами управлять звуком. С фотоаппаратом так же: сначала щёлкаешь всё подряд, потом начинаешь видеть кадр.
Инструмент, с которого я советую начать
Если задача стоит конкретно так: нейромузыка, создать песню с вокалом на русском, и чтобы это не звучало как демо из двухтысячных, я отправляю людей на 3seller.com/suno. Там полный цикл: текст, жанр, настроение, генерация, скачивание готового файла.
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, а пополнить баланс можно российской картой, через СБП или криптой.
Остальные ИИ-инструменты, которые могут пригодиться в работе, собраны на 3seller.com/3gpt. Там же генераторы текста и картинок, если песне нужна обложка и описание для публикации.
С чего начать сегодня, а не «когда-нибудь»
Возьмите один куплет из старой заметки в телефоне. Любой, даже кривой. Добавьте припев из двух строк, который вам нравится по ритму. Опишите звук по формуле: тембр, инструменты, темп, жанр, настроение.
Дальше 3seller.com/suno и две генерации. Слушайте оба варианта целиком, не по десять секунд, иначе не услышите, как модель ведёт себя на втором припеве. Здесь большинство треков разваливается, и здесь же видно уровень инструмента.
Через полчаса у вас будет песня. Не идеальная, зато своя, и её уже можно поставить кому-то в машине. Дальше всё решают итерации и точность описания того, что вы слышите в голове.