Четверг, вечер. Звонит знакомый: через неделю свадьба, хочет спеть песню, а нормальной минусовки в сети нет. Везде одно и то же - либо тональность на полтора тона ниже, либо в припеве остались бэки, либо вокал слышно у самого края. Он скачал три файла, все разной кривизны, и спросил, что делать. Просьбу «создать минусовку песни» я слышу регулярно, и каждый раз люди наступают на одни и те же грабли.
Грабли первое: считать, что минусовка - это «убрать голос». Технически это два разных процесса, и от выбора зависит, получится на выходе живой трек или мутная каша с проваленными верхами.
Минусовка - это не вычитание голоса
Лет двадцать назад народ хитрил: брал стерео, инвертировал один канал, суммировал - и в теории вокал, записанный в центре, исчезал. Работало это только на моно-сведённых записях. Всё остальное превращалось в желе: пропадал бас, уходили тарелки, полотно звучало так, будто его пропустили через телефонный динамик. Физика простая: вычитание фазы убивает всё, что стоит в центре стерео. А в центре живёт не только вокал, но и бочка с басом и ведущие инструменты.
Нейросеть работает иначе. Она не вычитает, а распознаёт: вот голос, вот бас, вот бочки, вот всё остальное. Называется это разделением на стемы. Модель обучена на десятках тысяч треков и знает, как выглядит вокал в спектре, как звучит перегруженная гитара, как ведёт себя реверб. Дальше вы собираете минус из четырёх стемов: берёте бас, барабаны и инструменты, вокал не берёте.
Звучит красиво, но есть нюанс. Хорошо получается на жанрах, где стемы не слиты в ком: эстрада, поп, поп-рок. Хуже всего плотному хип-хопу и тяжёлой электронике, где вокал сэмплирован и пережат компрессором до состояния единого целого с музыкой.
Где минусовка звучит как решето
Даже продвинутая модель оставляет следы. Три типовые болячки, которые я вижу постоянно.
Реверб. Вокал записан в помещении, у него есть хвост. Стем с вокалом вы удалили, а хвост местами остался. На паузах это слышно как бледный металлический звон. Лечится монтажом или аккуратным гейтом.
Бэки. Подпевки часто панорамированы в стороны, сидят и в середине, и в панче, и модель выносит их в стем вокала. Получается странный эффект: слова пропали, а бэк-вокал в припеве остался. Иногда это плюс, чаще резкая неожиданность.
Дыра в середине спектра. Вокал плотно занимает 800 Гц - 4 кГц. Когда его вынимают, на этом месте образуется пустота, и трек начинает звучать как дешёвая караоке-версия из 2008 года. Спасает эквалайзер: чуть поднять 2-3 кГц, чтобы вернуть присутствие, и легкая компрессия на мастер, чтобы полотно снова схлопнулось.
Про тарелки отдельно. У вокала и тарелок общий диапазон 5-8 кГц. Если модель задела их вместе с голосом, минус звучит глухо и вяло. На Reddit в ветках про стем-разделение этот нюанс всплывает чаще всего: тарелки страдают первыми, и повторный прогон другой моделью нередко спасает.
Собрать инструментал с нуля проще, чем кажется
Логика простая: вырезать вокал из чужого трека - не единственный путь. Свою аранжировку под ту же мелодию собрать быстрее и без артефактов. Раньше это означало три часа в DAW или тридцать тысяч рублей аранжировщику. Сегодня у меня занимает пять минут, и я не преувеличиваю.
Достаточно описать словами, что нужно. Для этого есть Suno - сервис, который делает треки по описанию. Загружаете идею, текст, настроение, на выходе полноценная композиция. Я давал слушать знакомым звукорежиссёрам без пометки, что это ИИ, и получил пару честных «нормально сведено, кто играл?». На телефоне разницы не слышно вообще, а на мониторах звук держится, и это главное.
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.
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.
Промпт, который спасает от музыки из рекламы
Нейросеть не читает мысли. Скучное описание даёт скучный результат. Я забиваю жанр, темп в BPM, состав инструментов, характер звука и атмосферу. Не «грустная музыка», а «медленный акустический трек, 72 BPM, нейлоновая гитара, виолончельный подклад, шум винила, без вокала».
Если нужен именно инструментал, прописывайте «instrumental» или «без вокала» прямым текстом. Иначе половина генераций приедет с голосом. Иногда с очень хорошим голосом, но вам-то нужен минус.
Длительность до 8 минут, то есть хватает и на сложную композицию с бриджем и длинным аутро. Экспорт в MP3 и WAV, дальше хоть в караоке, хоть в подкаст, хоть в монтаж видео. Одна генерация - около 60 токенов, что по деньгам смешные величины.
Когда нужен именно минус из старого трека
Бывают ситуации, где сборка с нуля не подходит. Кавер на конкретную аранжировку, где важна каждая нота. Выступление под оригинальную фонограмму. Репетиция, где нужен точный темп и структура. Тут без разделения стемов не обойтись.
Порядок такой. Загружаете файл в сервис, ждёте несколько секунд или минут. Сервис отдаёт четыре стема: вокал, бас, барабаны, остальное. Первым делом слушаете вокал отдельно. Всё, что там осталось помимо голоса, это и есть ваши будущие артефакты. Потом собираете три стема в микс и слушаете. Только после этого скачиваете.
Пара практических приёмов. Если припев остался с бэками, попробуйте убрать из стема вокала середину эквалайзером. Огрехи по низам лечатся тем, что бас и бочку вы берёте из оригинальных стемов, а не из готового минуса. И не ленитесь прогонять трек два раза: разные модели дают разные артефакты, иногда из двух версий собирается одна чистая.
Тональность и темп ломают больше выступлений, чем забытые слова
Классика: скачали минус, а он на полтора тона выше, чем вы поёте. Сдвиг вниз решает, но не бесплатно. Сдвиг на 1 полутон почти не слышен, на 2 уже появляется характерная булькающая атака, на 3 вы получите мультяшный голос. Если сдвигать программно, обязательно ставьте формантное сохранение: pitch в режиме formant preserve. Иначе тембр уплывёт.
Темп тоже небезобиден. Разгон на 10% сдвигает питч на полтора полутона вверх, и вот вы уже поёте не туда. Для живой репетиции меняйте темп в пределах 2-3%, не больше. И потом сверяйтесь с тюнером или просто подтяните гитару по минусу.
Длина трека тоже важна. Полноценная минусовка должна иметь 2-3 секунды тишины в начале или клик-отсчёт. Иначе вы выходите на сцену и судорожно ловите первую долю, а зал это видит.
Как звучит живая минусовка, а не караоке из интернета
В наушниках всё красиво, а на сцене тот же файл внезапно гудит и проваливается. Причина - разница между домашним прослушиванием и залом. В зале много низа, он копится, и ваш минус, у которого бочка выкручена на -6 дБ, превращается в кашу. Я всегда делаю низкий срез на 40-50 Гц перед выступлением и убираю 200-300 Гц на 2-3 дБ, чтобы разгрузить помещение.
Реверб на минусе тоже пакость. Дома он добавляет воздуха, в зале превращается в мутное облако. Если планируете петь живьём, реверб лучше снять с инструментала почти полностью: зал добавит свой, и его обычно хватает с избытком.
И отдельно про метроном. Если минус для репетиции, а не для сцены, добавьте тихий щелчок в один из каналов. Сводится на раз, а времени на «а попали ли мы в темп» экономит часами.
Ошибки, на которых я потерял часы
Первая. Слушать минус в наушниках и не проверять на колонке. Три из четырёх артефактов отделения слышны только на телефоне или дешёвой колонке, где нет низов и всё лишнее вылезает в середине.
Вторая. Сразу скачивать первый результат. Вторая и третья генерация почти всегда лучше, а стоят копейки. Я обычно прогоняю три-четыре варианта и собираю финальный из лучших кусков.
Третья. Экономить на длине промпта. «Сделай весёлый трек» и «летний инди-поп, 118 BPM, чистые гитары с чопом, синты-пэды, вокал женский, без вокала, припев с 0:45» - это два совершенно разных результата. Второй я получаю с первого раза.
Что по деньгам
Бесплатно почти всегда означает «с водяным знаком и в 128 kbps». Работает, но на сцене звучит плоско. Нормальная генерация на 3seller стартует от 149 рублей. За эти деньги вы получаете не вырезание вокала из готового трека, а полноценную новую песню. Плюс можно перегенерировать сколько угодно раз, пока не устроит результат. Логика принципиально другая, чем покупка готовой фонограммы у аранжировщика.
Сравните сами: аранжировщик возьмёт от пяти тысяч и попросит неделю. Нейросеть выдаст трек за минуту, и вы сможете слушать его, а не объяснять по телефону, что такое «плотнее бочку». А пополнить баланс можно российской картой, через СБП или криптой.
Юридическая часть, которую все игнорируют
Убрать вокал из чужого трека для домашнего прослушивания - одно. Использовать на платном концерте или выкладывать в стриминг - совсем другое. Оригинальная песня защищена. Минусовка, полученная из чужой записи, остаётся производным произведением, и права на неё по-прежнему у правообладателя.
С ИИ-генерацией проще: вы описали идею, получили трек. Смотрите условия сервиса, но в целом для каверов, постов и внутренних проектов это рабочий путь. Публиковать «кавер на N» без лицензии - лотерея с Content ID, и выигрыш обычно не в вашу пользу.
Мой порядок действий, который работает
- Определяю, что нужно: точная копия аранжировки или своя версия.
- Для копии - разделяю стемы, слушаю вокал, оцениваю мусор.
- Для своей версии - пишу подробный промпт в Suno с жанром, темпом и инструментами.
- Подгоняю тональность и темп, проверяю длину и тишину в начале.
- Слушаю на телефоне, в наушниках и в колонке. Если на всех трёх нормально, беру в работу.
Телефон в этом списке не случайно: там нет низов, и всё, что вы намудрили с эквалайзером, слышно сразу. Если трек на телефоне звучит глухо, значит пересолили с подрезкой середины.
Пять лет назад я бы посоветовал искать аранжировщика и ждать две недели. Сейчас самый быстрый способ получить песню, на которую никто не покажет пальцем, это собрать её в Suno и потратить время на подбор промпта, а не на борьбу с артефактами. Начните с простой идеи: одна песня, один вечер, один инструмент под рукой. От 149 рублей и немного любопытства.