Первый кавер я собрал случайно. Приятель просил перепеть его свадебную песню в духе синтвейва, а я вечером ковырял генератор музыки. Вставил текст, дописал структуру в квадратных скобках и ушёл за чаем. Вернулся через минуту к готовому треку: вокал, барабаны и на удивление живой басовый ход. Ни микрофона, ни студии, ни пятого дубля припева.
С тех пор через меня прошло больше тридцати каверов. Собралась коллекция грабель, на которые наступает каждый новичок. Ниже - как создать кавер на песню онлайн бесплатно, где заканчивается халява и начинается нормальная работа. И почему половина результата зависит не от модели, а от четырёх строчек, которые вы напишете перед генерацией.
Нейросеть не перепевает оригинал, она пишет песню заново
Главное непонимание звучит так: «загружу трек, он запоёт голосом другого человека, а всё остальное останется как было». Так не работает. Модель не вырезает вокал и не подставляет новый. Она разбирает файл на смысловые куски, вытаскивает идею, темп, лад и настроение, а потом синтезирует композицию с нуля. На выходе не обработанный оригинал, а новая песня, вдохновлённая вашей.
Практический вывод простой. Чем больше в оригинале узнаваемых деталей - характерный рифф, необычная гармония, специфическая манера вокала - тем ближе к источнику будет результат. Чем «никакее» трек в смысле аранжировки, тем сильнее нейросеть уведёт его в свою сторону. Я обжёгся на третьем кавере: взял попсу с простой мелодией, попросил «то же самое, но в роке» и получил другой трек, где от исходника остался только текст.
Два сценария, и выбирать надо до начала работы
Первый: у вас есть готовый трек, и вы хотите его переосмыслить. Загружаете аудиофайл, модель отталкивается от него. Второй: трека нет, есть только текст и идея, песня генерируется с нуля. Этот путь честнее и даёт больше контроля, но требует слов на руках.
Есть третий, самый недооценённый: берёте текст чужой песни и пишете полностью новую музыку. Юридически это отдельная история. Для личного пользования и вечеринок с друзьями вопросов не возникает, для публикации нужны права от правообладателя текста. Об этом почти никто не думает, пока трек не наберёт первые тысячи прослушиваний и правообладатель не постучится.
Пошагово: кавер из загруженного файла
Мой стабильный маршрут выглядит так.
Загружаете mp3 или wav в библиотеку. Файл попадает в раздел с аудио, дальше вы работаете с ним, а не с промтом в общем поле. На дорожке открываете меню по трём точкам и выбираете опцию с кавером. Нейросеть подставит структуру и попытается распознать текст сама.
Первый камень: автоопределение текста на русском работает откровенно плохо. Проверял на десятке треков, в лучшем случае получал половину строк, в худшем - набор созвучных слов, которые даже не рифмуются. Стирайте всё автоматическое и пишите вручную. Три-четыре минуты, зато потом не слушаете, как вокалист поёт бессмыслицу с идеальной дикцией.
Затем стиль. Не «рок», а «рок с грязной гитарой, 96 bpm, женский хриплый вокал, живая барабанная установка, лёгкий шум винила». Разница примерно как между «сделай красиво» и техническим заданием подрядчику.
Жмёте генерацию. Модели нужны секунды от пятнадцати до минуты, на выходе сразу пара вариантов. Первый почти никогда не становится финальным. Слушайте оба, отмечайте, что понравилось в одном и что в другом, правьте промт под конкретную претензию: вялый припев, лишний реверб, вокал уехал в фальцет.
Квадратные скобки решают больше, чем кажется
Структура задаётся тегами в квадратных скобках, и это самый быстрый способ управлять формой. Пишется прямо в поле с текстом, перед нужными строками.
[Intro]
[Verse]
[Chorus]
[Verse]
[Chorus]
[Bridge]
[Chorus]
[Outro]
Только без
, конечно. Каждый тег с новой строки, текст разбит по блокам. Модель понимает, что припев повторяется, бридж идёт после второго припева, интро не обязано содержать слова. Без разметки нейросеть придумает структуру сама - иногда удачно, но чаще выйдет восемь куплетов подряд без единого припева, потому что ей так показалось логичнее.
Работает и уточнение внутри тега: [Chorus - мощный, с подпевкой], [Verse - шёпотом]. Пометки вроде [Instrumental break] или [Guitar solo] тоже подхватываются. Я не мельчу и держу разметку простой, но на длинных треках это спасает.
Текст короче, чем вам кажется
Типичная ошибка - вставить в промт полный текст на пять минут и ждать, что модель аккуратно всё пропоёт. Она попытается, но к третьему куплету начнёт комкать строки, проглатывать слоги и ускорять темп, чтобы уложиться. Особенно при медленном темпе в стиле. На Reddit в ветках про генеративную музыку про это пишут постоянно: длинный текст - главная причина кривого вокала, и лечится он не моделью, а ножницами.
Мой приём: режу текст на две части, делаю два куска по полторы-две минуты, потом склеиваю в редакторе. Вокал чище, структура предсказуемее. Если лень возиться со склейкой, сокращайте оригинал. Кавер не обязан слово в слово повторять источник, тем более что для публикации текст всё равно придётся переписывать под свои права.
Жанровый кросс-кавер - самый благодарный формат
Дальше начинается интересное. Смена жанра даёт эффект, которого не добиться никакой студийной обработкой. Старая песня про любовь в драм-н-бейсе внезапно звучит как трек с рейва девяносто восьмого года. Колыбельная в пост-панке превращается в нечто тревожное и взрослое. Попса двухтысячных у джазового трио неожиданно обретает смысл.
Что реально работает: шаг в сторону от исходника на два, не на десять. Из попа в рок - отлично. Из попа в рок с симфоническим оркестром и оперным вокалом - тоже можно, но на любителя, и модель начнёт путаться в инструментах. Из попа в блэк-метал я пробовал раз пять, смешной вышла одна генерация, остальные - каша.
Отдельно попробуйте смену эпохи. Восьмидесятые с гейтированными барабанами, шестидесятые с ленточным ревербом, современный трэп. Один и тот же текст в трёх эпохах звучит как три разных артиста. Лучший способ понять, насколько продакшн влияет на восприятие.
Про голоса и почему погоня за чужим тембром - тупик
Каждый второй вопрос: «а можно сделать кавер голосом известного певца?». Технически модели держат заданный тембр, если загрузить образец. На практике плохая идея по двум причинам.
Первая - качество. Чем точнее вы воспроизводите чужой тембр, тем сильнее артефакты на высоких нотах и переходах. Живой слушатель ловит фальшь мгновенно, даже если не понимает, откуда она.
Вторая - этика и право. Синтез вокала конкретного исполнителя без разрешения в публичном релизе - прямой путь к претензиям. Мне интереснее смешивать. Мужской и женский вокал в дуэте, хор на подпевке, шёпот в куплете и мощный припев. Вот здесь нейросеть даёт то, чего не сделать без большой студии и десяти сессионных певцов.
Сколько стоит «бесплатно» на самом деле
Скажу честно, в статье про бесплатное это звучит редко. Бесплатно - значит попробовать и понять, работает ли оно для вас. Дальше кредиты, лимиты на генерации и очереди в часы пик. На бесплатном тарифе я укладываюсь в десяток генераций в день, этого хватает на один нормальный кавер со всеми переделками.
Если каверы стали регулярной историей, проще платить копейки, чем изобретать обходные пути. Сервис генерации музыки стартует от 149 рублей - дешевле чашки кофе, и за эти деньги открыт полный доступ к инструментам, где модель делает вокал неотличимым от живого. Я перестал считать генерации, когда понял: переделывать припев десять раз дешевле, чем платить за день студии.
Пополнить баланс можно российской картой, через СБП или криптой.
Сравнить остальные ИИ-инструменты можно на 3seller.com/3gpt - всё в одном месте, без регистрации на пяти сайтах с разными лимитами.
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.

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.
Грабли, на которые я наступил лично
- Вставлять текст без структуры и удивляться, что нет припева. Разметка в квадратных скобках обязательна, если хотите предсказуемую форму.
- Оставлять автоопределение текста. На русском оно врёт, и в итоге вы неделю слушаете, как вокалист поёт слова, которых нет.
- Писать в стиле одно слово. «Рок» - не описание. Модель угадывает примерно так же, как официант по фразе «что-нибудь поесть».
- Генерировать трек длиннее трёх минут одним заходом. Качество вокала к концу проседает, а структура разваливается.
- Считать, что первый вариант финальный. Нормальный результат обычно на третьей-четвёртой генерации, когда вы уже понимаете, чего не хватает.
Что делать с готовым файлом, чтобы он не пах нейросетью
Скачанный трек почти всегда требует десяти минут в редакторе. Срежьте пустое интро, если модель нарисовала две секунды тишины. Проверьте, не клипует ли на припеве - генераторы любят выкручивать громкость. Лёгкий компрессор на мастер и минус полтора децибела по громкости делают больше, чем кажется.
Не выкладывайте первый же получившийся вариант. Дайте себе день, послушайте на телефоне в наушниках, в машине, на колонке. Огрехи, которые не слышны в хороших мониторах, вылезают именно там. Если на третьем прослушивании вы всё ещё ловите себя на мысли, что это звучит как настоящий трек, значит получилось.
Начните с одной песни, которую знаете наизусть. Не с самой любимой, а с той, где помните каждое слово и представляете, как должна звучать каждая строчка. Так вы быстрее поймёте логику промта, чем на десяти случайных треках. А когда поймёте, дальше пойдёт веселее: переделки в другой жанр, дуэты, целые альбомы для друзей на день рождения.