Друг просит песню на свадьбу. Не плейлист на флешке, а именно песню: с именами в припеве и той историей про пробитое колесо на третьем свидании. Пять лет назад такой запрос означал звонок в студию, разговор про смену за пятнадцать тысяч и сессионного гитариста, который свободен в ноябре.
Сейчас я открываю вкладку, пишу абзац про колесо и через минуту слушаю готовый трек. Вокал дышит, бас качает, на втором припеве подключается бэк. Никто не приезжал в студию. Никто не настраивал микрофон и не спорил про тональность.
Дальше - про такое приложение. Без экскурса в историю нейросетей и без списка из двадцати сервисов, половина которых тихо умерла в прошлом году.
Студия ужалась до одного поля ввода
Логика старых мобильных приложений для музыки была простой: тебе дают библиотеку сэмплов, ты собираешь трек из кубиков. Тысячи лупов студийного качества, восьмиканальный пульт, эффекты в реальном времени, запись своего голоса. Работает, и десять миллионов скачиваний это подтверждают. Но по сути ты диджей чужого звука: мелодию придумал кто-то другой, аранжировку собрал кто-то другой, и голос тоже не твой, если ты не умеешь петь.
Генеративные модели сломали этот сценарий. Теперь на входе текст, на выходе цельная композиция: инструментал, вокал, структура куплет-припев-бридж, сведение. Не набор лупов, а готовый трек, который звучит как работа человека, а не как демо синтезатора.
Я пользуюсь Suno и за пару месяцев прогнал через него десятки задач: поздравительные песни, джинглы для подкаста, шутливые гимны для корпоратива, колыбельные с именем ребенка. Разброс качества предсказуемый, и ниже я честно расскажу, где модель выдает конфетку, а где откровенно халтурит. На Reddit в обсуждениях генераторов музыки пользователи часто спорят, где заканчивается инструмент и начинается халтура, и сходятся на одном: решает не модель, а промпт.
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.
Интерфейс не требует ни нотной грамоты, ни знания терминов мастеринга. Два поля, кнопка, ожидание. Все, кто приходил ко мне с мыслью «хочу песню, но не умею», справлялись с первого раза, включая людей, которые дальше плейлиста в телефоне никогда не заходили.
Дальше начинается ремесло. Первый трек почти всегда черновой, и это нормально. Второй и третий точнее, потому что вы уже слышите, чего не хватает, и правите описание, а не тычете наугад.
Промпт решает больше, чем сама модель
Типичная ошибка новичка: засунуть в описание все, что он любит. «Рок с симфоническим оркестром, электроникой, фанковым басом, женским и мужским вокалом и саксофоном». На выходе получается каша, где каждый инструмент борется за место в миксе, а вокал пробивается через этот бардак как через толпу в метро.
Работает другая стратегия. Один жанр, одна эпоха, один тип голоса, один-два характерных инструмента. Мой рабочий набор для лирики выглядит так: инди-фолк, женский вокал с легкой хрипотцой, темп 82, акустическая гитара, щетки по барабанам, немного винилового шума. Восемь слов, и модель попадает в настроение с первого прогона.
Темп лучше указывать числом. Настроение - прилагательным, а не абстракцией. Вместо «грустная» пишу «уставшая, но с надеждой». Вместо «энергичная» - «злая панк-энергия на грани срыва». Модель реагирует на конкретику как сессионный музыкант, которому задачу объяснили на пальцах, а не отправили слушать референсы.
Полезная привычка: держать под рукой блокнот с удачными формулировками. Я записываю фразы, которые сработали, и переиспользую их. «Теплый ламповый бас, но без гула», «маленькая комната, микрофон в метре от гитары», «финальный припев без ударных» - такие детали слышны в результате, хотя кажутся мелочью при вводе.
Текст для ИИ-вокала пишется короче, чем стихи
Тут многие спотыкаются. Люди приносят стихи, где строки по двенадцать слогов и сложные переносы. Потом удивляются: вокал задыхается и комкает окончания. Песенный текст живет по другим законам, чем страница в блокноте.
Короткие строки. Одинаковое количество слогов в соседних строках куплета. Припев из четырех строк с повторяющейся фразой. Никаких длинных причастных оборотов, никаких имен собственных в середине строки, иначе модель растянет их так, что имя превратится в заклинание.
Имена и детали лучше ставить в начало строки или в отдельную короткую фразу. «Марина, за окном апрель» звучит нормально. «И тогда Марина, вспомнив тот апрель, что мы провели вдвоем» превращается в невнятное бормотание, где половина слов съедена.
Язык указываю явно. Русский вокал у моделей иногда уезжает в акцент или меняет ударения на неожиданных слогах. Помогает добавка в описание: чистый русский без акцента, разговорная манера, без оперных вибраций. Если нужен специфический тембр, вроде прокуренного баритона или детского голоса, это тоже пишется словами, а не подбирается ползунками.
И не пытайтесь уместить в один трек всю биографию. Три-четыре факта, одна эмоция, один повторяющийся образ в припеве. Остальное - вода, которую слушатель переживет один раз и забудет.
Десять бесплатных песен - это не подачка, а честный тест-драйв
В App Store у приложения Suno 24 тысячи оценок и стартовые 50 бесплатных кредитов, которых хватает ровно на 10 песен. Мне этого хватило, чтобы понять: генерация нормально держит поп, рок, фолк, шансон, электронику и даже что-то похожее на джаз. Дальше уже вопрос вкуса и задач, а не технических ограничений.
Помимо текстового поля там есть вещи, до которых доходят не сразу. Можно записать звук с телефона и превратить его в песню: напел мелодию на кухне, получил аранжировку. Можно оттолкнуться от фото или видео и вытащить из них настроение. Можно загрузить свой вокальный или инструментальный сэмпл и развернуть его в полноценный трек с барабанами и басом. Последнее особенно интересно тем, кто уже что-то играет: наиграл рифф, загрузил, услышал, как он звучит в полной аранжировке.
Работает и в браузере, и в мобильном приложении. Разницы в качестве я не заметил, разве что на телефоне удобнее записывать голосовые идеи, пока они не улетели. Персональный текст правится на ходу, и это спасает, когда в готовой песне одна фраза звучит нелепо, а все остальное устраивает.
Где ИИ пасует, и не надо делать вид, что это не так
Сложные размеры. Семь восьмых, ломаные ритмы, математический рок - модель уплывает и выравнивает все в привычную сетку. Если нужна полиритмия, идите к живому барабанщику, он хоть объяснит, что вы просите.
Быстрый русский рэп. На среднем темпе флоу держится, но чем плотнее текст, тем чаще слоги слипаются в один комок. Помогает сокращение строк и явное указание манеры: речитатив, четкая дикция, без мелодического распева. Иногда проще разбить куплет на две части и сгенерировать дважды.
Длинные инструментальные части. Соло на две минуты модель вытягивает редко, начинает повторяться и топтаться на месте. Структуру лучше задавать текстом: короткий проигрыш после второго припева, финальный припев тише, обрыв на середине фразы. Такие ремарки работают, если писать их отдельными строками.
Живая динамика. Трек, который идет ровно от начала до конца, звучит стерильно, как фоновая музыка в лифте. Добавляйте изменения по ходу: куплет почти шепотом, барабаны входят на втором припеве, в конце все обрывается и остается одна гитара. Модель это понимает, надо только сказать.
Как на слух отличить хорошую ИИ-песню от плохой
Переходы между куплетом и припевом не должны проваливаться или рваться, будто склеили два разных трека. В нормальной генерации есть подводка: нарастание, вдох, удар.
Второй припев. Если он байт в байт повторяет первый, включая все украшения, - это ленивая генерация. Живой трек дышит, во втором припеве обычно добавляется бэк, меняется фразировка или подключается инструмент.
Концовка - самое слабое место. Хорошо, когда есть осмысленное завершение: последняя фраза, затухание, аккорд. Плохо, когда трек просто обрубается на полуслове или уходит в бесконечный фейд.
Вокал на шипящих и дыхании. Живой голос берет воздух между фразами. Если его нет вообще, мозг это ловит раньше, чем вы успеваете понять, что не так. Добавка «слышимое дыхание перед фразами» в описание творит чудеса.
Что делать с готовым треком
Первое, что я делаю всегда, - слушаю минусовку. Она сохраняется отдельно, и по ней слышно, где аранжировка пустая. Иногда проще перегенерировать, чем мириться с дырой в припеве.
Дальше скачивание в полном качестве. Что с этим делать: подарить, выложить в соцсети, поставить джинглом в подкаст, отправить как гимн отдела продаж, включить на дне рождения. Для коммерческого релиза и монетизации читайте условия тарифа на сайте, там все написано без мелкого шрифта в подвале.
Отдельная история - минусовка плюс свой вокал. Кто поет, тот получает трек, который вообще не отличить от студийной записи: вокал настоящий, аранжировка сгенерирована. Такой гибрид звучит убедительнее всего, и именно так я советую поступать тем, у кого есть хоть минимальный слух и микрофон за три тысячи.
Именование файлов, кстати, тоже часть работы. Через месяц вы не вспомните, чем отличается «track_final_3» от «track_final_3_new». Пишите в названии жанр, темп и повод, потом скажете себе спасибо.
Цена вопроса в рублях
От 149 рублей. Это не опечатка и не вводная цена на первый месяц. Студийная сессия с аранжировщиком, вокалистом и сведением в моем городе стартует от пятнадцати тысяч, и это без правок, которые обычно тянут еще на столько же. Пополнить баланс можно российской картой, через СБП или криптой.
Считайте сами. Один поздравительный трек раз в год - платить за большую подписку смысла нет, хватит разовой генерации. Если вы делаете контент для соцсетей и вам нужно три-четыре трека в неделю, математика другая, но все равно несопоставимая со студией. За те же деньги, что одна песня у живых людей, вы получите несколько десятков попыток и выберете лучшую.
Три ошибки, на которых люди бросают это дело
Ждут хита с первого раза. Первая генерация почти всегда черновая, и это не баг, а нормальный процесс. Нормальный результат у меня получается с третьего-четвертого прогона, и это считается быстрым. Кто бросает после первого, просто не дошел до интересного.
Пишут описание на бегу, в одно слово. «Грустная песня» даст грустную песню, только их миллион, и все одинаковые. Чем больше конкретики про инструменты, темп, тип голоса и структуру, тем меньше трек похож на соседний и тем выше шанс, что его перешлют друзьям без вашей просьбы.
Игнорируют текст. Люди думают, что модель сама придумает слова. Придумает, и получится вежливая банальность про огонь в сердце и дорогу домой. Свои детали, свои имена, своя история с пробитым колесом - вот что делает трек вашим, а не сгенерированным по шаблону.
Кому это вообще нужно
Тем, кто хочет подарок, а не открытку. Тем, кто ведет соцсети и устал от стоковой музыки, которая узнается с первых нот. Тем, кто пишет стихи и хочет наконец услышать их голосом, а не читать вслух перед зеркалом. Тем, кто играет, но не может собрать полноценную аранжировку в одиночку.
И тем, кто просто хочет проверить, как звучит его фантазия. В голове у большинства людей есть трек, который они никогда не услышат: слишком дорого, слишком сложно, слишком поздно начинать. Эта штука стирает все три причины разом.
Начните с простой идеи или сразу откройте профессиональные инструменты. Создайте любую песню, какую только можете представить: опишите человека, для которого делаете песню, добавьте два-три факта из его жизни, выберите жанр и слушайте, что получится. Ваш следующий трек уже близко, и на него не нужно собирать бюджет и ждать свободного гитариста до ноября.
Остальные ИИ-инструменты, которыми я пользуюсь каждый день, собраны здесь. Музыка - только одна из задач, которые за последние два года перестали требовать отдельного специалиста и отдельного счета за услуги.