Первый раз я слушал трек, который сделала нейросеть, с ощущением, что меня где-то надувают. Голос дышал, в припеве подпевали бэки, на втором куплете вокал чуть сорвался в живую эмоцию. Подвох нашёлся только на спектрограмме. С тех пор я перестал удивляться. Удивляет другое: сколько людей до сих пор уверены, что ИИ-музыка - это писклявый робот, который фальшиво тянет слова про дружбу.
Когда нужно создать музыку ИИ онлайн, работает одно правило. Нейросеть не напишет хит за вас. Она сделает ровно то, что вы описали, и ровно с тем качеством, с каким описали. Остальное - вопрос формулировок и пары технических привычек. Дальше я разложу процесс так, как делаю сам, со всеми граблями.
Что генераторы музыки реально умеют в этом году
За последние два года качество выросло не на проценты, а в разы. Раньше на выходе был любопытный шум, который стыдно кому-то показывать. Сейчас на входе текст или одна строчка описания, а на выходе полноценный трек: вокал, ритм-секция, гармония, аранжировка, сведение на приличном уровне. Причём в двух версиях сразу, чтобы было из чего выбирать.
Практический потолок сегодня такой. Балладу с фортепиано и женским вокалом, инди-фолк с акустической гитарой, жёсткий драм-н-бейс, рэп под минималистичный бит, саундтрек к короткометражке - всё это делается за минуты. Проваливается ИИ там, где нужна сложная живая динамика: джазовые импровизации с непредсказуемой фразировкой, симфонические полотна на восемь минут, горловое пение с национальной спецификой. Хотя и там прогресс идёт быстрее, чем я успеваю обновлять своё мнение.
Отдельно про голос. Именно вокал был главной болью, и именно он сейчас вытягивает всё впечатление. Пропадает металлический призвук, появляются придыхание, микродинамика, лёгкая рассинхронизация с сеткой - те самые неидеальности, по которым ухо опознаёт человека. На слепом тесте мои знакомые музыканты путались примерно в половине случаев. Это не идеал, но это уже давно не смешно.
Как это устроено внутри, если совсем коротко
Без формул и без матана. Модель обучали на огромном массиве аудио, разложенном на мелкие фрагменты-токены, примерно как текст раскладывают на слова. Дальше она учится предсказывать, какой токен идёт следующим, опираясь на ваш промпт. Плюс отдельная ветка отвечает за то, чтобы звук был чистым и не рассыпался в кашу на длинной дистанции.
Из этого следует практический вывод. Модель не «понимает» вашу идею, она ищет ближайшее соответствие в том, что видела. Чем точнее вы опишете жанр, инструменты, темп, тип голоса и настроение, тем меньше она будет угадывать. Общие слова вроде «сделай красиво» дают усреднённый результат - тот самый безликий поп, который звучит как реклама шампуня.
Сервис, на котором я остановился
Перепробовав десяток генераторов, я вернулся к одному. 3seller.com/suno - это доступ к Suno. Он даёт то, чего мне не хватало в других местах: вокал, который не приходится переделывать по десять раз, и адекватную структуру трека, а не набор красивых кусков.
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 - это дешевле чашки кофе в центре Москвы, и уж точно дешевле одного часа в студии, где вам запишут черновик без вокала. Пополнить баланс можно российской картой, через СБП или криптой.
Мне нравится, что не нужно быть звукорежиссёром. Открыл, описал, послушал, забрал. Если результат не тот, крутишь промпт и генерируешь снова. Такой цикл обратной связи за вечер даёт больше понимания, чем полгода чтения форумов.
01 / ИДЕЯ. Задайте направление
Опишите тему, настроение и желаемое звучание. Это может быть песня о любви, танцевальный трек или история для особенного случая. Кажется, что тут нечего добавить, но именно на этом шаге теряется 80% качества.
Плохой промпт выглядит так: «грустная песня». Хороший - так: «медленная баллада, женский вокал с хрипотцой, фортепиано и виолончель, темп 70, атмосфера поздней осени, припев с подпевками, без ударных в первом куплете». Разница в результате колоссальная, хотя слов всего в три раза больше.
Мой рабочий набор полей, который я мысленно заполняю всегда: жанр и поджанр, темп или ощущение скорости, главный инструмент, тип голоса, настроение, референс эпохи. Последнее особенно недооценивают. «Звучание как в конце семидесятых» и «современный радиопоп» дадут два совершенно разных трека даже при одинаковом тексте.
Не бойтесь странных сочетаний. Мой лучший результат за последний месяц - «шугейз с балалайкой и женским шёпотом, много реверба, будто записано в подъезде». Звучит как бред, а на выходе получилась вещь, которую я слушаю до сих пор. Нейросети хорошо реагируют на неожиданные комбинации, потому что не повторяют готовые шаблоны.
02 / СЛОВА. Добавьте текст или сюжет
Начните с нескольких строк, готового текста, стихов или набора образов. Уточните важные детали, имена и язык песни. Если своей идеи нет, начните с одного образа: «поезд в четыре утра», «разговор на кухне после ссоры», «лето, которое закончилось слишком рано». Дальше текст часто дописывается сам.
Главная техническая привычка: размечайте структуру. Куплет, припев, бридж, финал - всё это лучше отделить метками. Модель тогда понимает, где нарастание, где кульминация, где спад. Без разметки она часто лепит припев в начале, и трек получается перевёрнутым. Проверено на десятках попыток.
Второй момент - длина строк. Короткие фразы в четыре-шесть слов ложатся на ритм лучше, чем длинные предложения с запятыми. Если строка не влезает в такт, ИИ начнёт её комкать, и в вокале появится неприятная спешка. Я обычно переписываю такие строки на два раза, и трек сразу дышит свободнее.
Язык тоже стоит указать явно. Русский вокал у современных моделей получается вполне разборчивым, но иногда ударения уезжают. Лечится просто: правьте текст, убирайте редкие слова, ставьте ударный слог в конец строки. Пара итераций, и всё встаёт на место.

Почему Suno выигрывает у бесплатных генераторов
Бесплатные сервисы полезны, чтобы пощупать технологию. Дальше начинаются нюансы, которые не видны на первом треке, но критичны на пятом.
Первый нюанс - вокал. У большинства бесплатных движков он либо синтезированный до очевидности, либо плывёт по интонации на длинных нотах. В Suno голос держит эмоцию и не разваливается к третьему припеву.
Второй - структура. Некоторые генераторы выдают четырёхминутное полотно без развития, где всё время звучит один и тот же кусок. Suno строит трек по секциям, и это слышно. На Reddit в ветках про генерацию музыки пользователи часто спорят о вокале, но сходятся в одном: структура трека важнее спецэффектов.
Третий - предсказуемость. Когда генерация стоит копейки, а результат попадает в цель с первого раза, вы перестаёте ненавидеть процесс. Это звучит как мелочь, но именно из-за неё я бросил три сервиса: каждый третий заход выдавал мусор, и на четвёртом я просто закрывал вкладку.
Где ИИ лажает и как это лечить
Первая проблема - каша в миксе. Возникает, когда в промпте перечислено десять инструментов сразу. Мозг нейросети тоже не резиновый. Оставьте три-четыре элемента, и всё встанет на свои места.
Вторая - текст, который «не поётся». Слишком много согласных подряд, длинные слова без паузы. Читайте вслух перед генерацией. Если язык заплетается у вас, у модели тоже заплетётся.
Третья - одинаковые припевы. Лечится сменой метки: добавьте вариацию в конце второго припева, и трек перестанет ходить по кругу. Мелочь, а разница между демо и релизом.
Четвёртая - резкий обрыв на финале. Модель иногда просто ставит точку. Помогает указание вроде «плавное затухание с реверберацией в конце» или отдельная секция аутро. Не всегда с первого раза, но работает.
Пятая и самая обидная - когда всё технически хорошо, но песня никакая. Такое бывает, когда промпт идеально вылизан, а идеи внутри нет. Тут никакая нейросеть не спасёт. Начните с истории, а не с жанра.
Что делать после генерации
Получили трек, который нравится. Не спешите его никуда выкладывать. Сначала послушайте три раза подряд: на колонках, в наушниках, в машине. На третьем прослушивании вылезают косяки, которые не слышны на первом.
Дальше полезные инструменты, которые сейчас встроены почти везде. Разделение вокала и минуса даёт чистый вокал для ремиксов или инструментал для караоке. Автоматический мастеринг подтягивает громкость и плотность до уровня стриминговых площадок. Обе штуки экономят часы, если вы не звукорежиссёр.
И про сохранение. Хороший стиль хочется повторить. Сохраняйте удачные настройки под понятным названием, чтобы потом не собирать их по памяти. У меня в библиотеке десятка три таких пресетов, и половина используется регулярно.
Про деньги и про то, где подвох
Цены на рынке различаются в разы. Есть сервисы с оплатой за каждую генерацию, есть подписки, есть бесплатные с ограничениями. Бесплатные обычно не дают коммерческих прав - это важно, если трек идёт в рекламу или в релиз.
От 149 рублей за доступ к Suno - адекватная точка входа. Один вечер генераций окупает себя, даже если вы просто делаете подарок другу на день рождения. А если планируете выпускать музыку, считайте не стоимость подписки, а стоимость альтернативы: студия, сессионные музыканты, сведение, мастеринг. Разница в два порядка.
Про права спрашивайте отдельно и не стесняйтесь. Если сервис даёт коммерческую лицензию, трек можно выпускать. Если нет - слушайте дома и никому не продавайте. Это не формальность, а вопрос спокойного сна.
Путь до стримингов: это реально
Сгенерированный трек можно довести до площадок. Схема простая: выбираете готовую песню в библиотеке, готовите материалы, регистрируетесь у партнёра-дистрибьютора, проходите модерацию. Дальше трек уезжает на Яндекс Музыку, VK Музыку, Spotify и Apple Music.
Я провёл через этот путь четыре трека. Два прошли с первого раза, два завернули из-за обложки и метаданных. Никакой магии, обычная бюрократия. Зато когда видишь свой трек в чужом плейлисте, ощущения странные и приятные одновременно.
Промпты, которые я использую чаще всего
Не как готовые рецепты, а как пример плотности описания. Первый: «инди-поп, женский вокал, тёплая акустическая гитара, синтезатор с лёгким дребезгом, темп 104, ностальгическое настроение, припев с многослойными бэками». Второй: «тёмный трэп, мужской речитатив, низкий 808, редкие фортепианные аккорды, атмосфера ночного города, без автотюна». Третий: «оркестровая тема для короткометражки, струнные, минимальные ударные, нарастание от тихого начала к финалу, без вокала».
Общий принцип: жанр, голос, инструменты, темп, настроение, деталь. Шесть пунктов, которые почти всегда дают предсказуемый результат. Если добавлять больше, начинается хаос.
Кому это вообще нужно
Музыкантам, у которых есть текст, но нет бюджета на аранжировку. Им достаточно получить черновик, чтобы услышать, как песня может звучать, и уже потом идти в студию с готовым видением.
Маркетологам, которым нужен джингл для ролика к завтрашнему утру. Раньше это был квест с поиском стоков и лицензий, теперь полчаса работы.
Тем, кто пишет стихи и никогда не слышал их в музыке. Вот эта категория удивляет меня больше всех. Люди приходят с текстом, который лежал в блокноте пять лет, и через десять минут слушают его в исполнении, которое им нравится. Ради такого стоит возиться.
И конечно, тем, кто просто хочет поздравить друга песней с его именем и общими шутками. Такие треки живут дольше, чем кажется.
Чего не ждать от нейросети
Она не заменит вашу личность. Если вы приносите пустую идею, на выходе будет качественный, но пустой трек. Разница между «сгенерировал» и «сделал» именно в этом.
Она не даст стопроцентной повторяемости. Даже с тем же промптом результат будет отличаться. Это не баг, а природа технологии. Воспринимайте как соавтора с плохой памятью, но хорошим вкусом.
Она не разбирается в вашей биографии. Все личные детали, которые делают песню вашей, придётся вносить руками. Именно поэтому текст важнее настроек.
С чего начать сегодня
Возьмите одну строчку, которая давно вертится в голове. Опишите её пятью параметрами: жанр, голос, инструмент, темп, настроение. Откройте 3seller.com/suno, вставьте текст, разметьте куплет и припев, запустите. Дальше слушайте и правьте. Второй заход почти всегда лучше первого, третий - лучше второго.
Не пытайтесь сделать шедевр с первой генерации. Первый трек нужен, чтобы понять, как система реагирует на ваши слова. К пятому вы уже будете писать промпты на автомате, а к десятому начнёте слышать, что именно поменять в тексте, чтобы вокал зазвучал.
Инструменты для ИИ собраны в одном месте - 3seller.com/3gpt, а цена входа в Suno - от 149 рублей. Всё остальное зависит от того, есть ли у вас что сказать. Если есть, нейросеть просто перестанет быть препятствием.