Суббота, одиннадцать вечера. Друг просит поздравить жену песней, а денег на студию нет и не будет. Открываю Telegram, вбиваю в поиск «нейросеть музыка» - через минуту в чате пять ботов, три из которых обещают золотые горы. Через двадцать минут у меня есть трек. Через час я понимаю: трек сырой, вокал плывёт, а припев звучит так, будто его пел робот с насморком.
Дальше разберём, как реально создать песню нейросетью бесплатно онлайн в Telegram, где заканчивается халява и что делать, когда нужен результат уровня «не стыдно выложить в сторис».
Боты в Telegram умеют меньше, чем написано в их описании
Механика у всех одна. Открываете чат, жмёте Start, описываете идею или кидаете готовый текст. Бот отправляет запрос на свой сервер, тот дёргает модель генерации, и через 30-60 секунд приходит mp3 с вокалом и аранжировкой. Ни регистрации, ни установки, ни плагинов в DAW. Для человека, который никогда не работал со звуком, это выглядит как магия.
И это правда работает. Я прогнал десяток ботов из поиска Telegram: MusicGPT, @easysongbot, @pesnyaAibot, SoNata и ещё пару безымянных. Все генерируют. Все выдают что-то похожее на песню. Разница начинается в деталях, и вот тут сюрприз.
Почти все они не свои: обёртки над чужими API, чаще всего над Suno и Udio, иногда над открытыми моделями вроде MusicGen. Качество звука у обёртки равно качеству базовой модели минус сжатие, которое бот делает, чтобы не платить за трафик. На выходе mp3 в 128 kbps, а иногда и хуже.
Контроля над структурой нет. Вы не скажете боту «сделай второй куплет тише, добавь бридж на 2:15 и выведи гитару вперёд». Даёте промпт и молитесь. Если результат не тот, жмёте ещё раз, и это уже платно.
Голос - самое слабое место. Слушайте внимательно: пропадают дыхания между фразами, окончания слов съезжают, на высоких нотах появляется металлическое дрожание. На ноутбуке нормально, в наушниках слышно сразу. В машине, в колонке на кухне сойдёт. Всё зависит от задачи.
Как выглядит нормальный сценарий генерации
Если отбросить маркетинг, процесс везде одинаковый. 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: песня о любви, танцевальный трек или история для особенного случая. Чем конкретнее, тем меньше мусора на выходе. Промпт «сделай крутую песню» даст ровно то, что он заслуживает: усреднённый поп 2015 года без характера. Промпт «медленный соул с женским вокалом, ламповый саксофон, темп 72, грустный текст про поздний звонок» даст уже что-то живое.
02 / Слова: добавьте текст или сюжет
Начните с нескольких строк, готового текста, стихов или набора образов. Уточните важные детали, имена и язык песни. Имена работают сильнее, чем кажется: модель по-разному произносит «Саша» и «Александра Петровна», и во втором случае комичный результат почти гарантирован. Сложные фамилии, аббревиатуры и латиницу внутри русского текста проверяйте отдельно.

Где заканчивается бесплатное
Все боты в Telegram играют в одну игру. Первая генерация бесплатная. Иногда две. Иногда три, если повезёт попасть на акцию. Дальше вас переводят на Telegram Stars. Цифры плюс-минус одинаковые: 15-22 звезды за трек, то есть 25-40 рублей. За один четырёхминутный файл, не за альбом и не за пакет.
Арифметика, о которой редко пишут в обзорах: из десяти генераций удачной будет одна, максимум две. Остальные - перебор, брак, не тот голос, съеденный припев. Умножьте 35 рублей на десять попыток, получите 350 рублей за трек, который всё равно придётся чистить. Стемы скачать нельзя, версию модели выбрать тоже.
Есть нюанс с очередями. В часы пик бот отвечает через 5-10 минут, а иногда молчит. Я ловил ситуацию, когда генерация висела 40 минут, звёзды списались, а файл не пришёл. Поддержка ответила через сутки. На Reddit в ветках про ИИ-музыку пользователи описывают ровно то же: списание без результата и тишина в ответ.
Лимиты, о которых молчат в описании
Длина. Большинство ботов режут трек на двух минутах. Полноценная песня с куплетом, припевом, вторым куплетом и бриджем туда не влезает физически. На выходе либо два раза по куплету с припевом, либо обрезанный финал.
Формат. Telegram отдаёт mp3 и всё. Ни wav, ни отдельных дорожек, ни инструментала без вокала под ту же аранжировку. Если трек нужен для монтажа видео, придётся выкручиваться.
Повторяемость. Один и тот же промпт в одном и том же боте даёт разные результаты, и это нормально: внутри шум. Но в обёртках вы не видите, какая именно модель сгенерировала ваш шедевр. Сегодня хороший вокал, завтра бот переключился на дешёвую версию и звучит как караоке из 2009-го.
Что даёт нормальный веб-сервис вместо чата
Я не против Telegram. Он удобен, когда нужно быстро набросать идею и послушать, как она звучит. Проблема в том, что бот - тонкая плёнка над движком, и как только нужно чуть больше контроля, вы упираетесь в стену.
Финальные версии я делаю не в чате. Мой рабочий вариант сейчас - 3seller.com/suno. Там тот же движок, но без посредника: полная версия, а не урезанная копия, которую бот сжал, чтобы сэкономить на трафике.
Что это даёт на практике. Длина: трек не обрывается на второй минуте, структуру можно выстроить целиком. Вокал: разница с ботовой генерацией слышна в первом же припеве, особенно на длинных нотах и на переходах между регистрами. Плюс инструментал отдельно, если нужен фон под видео или подкаст.
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, и это не за одну попытку, а за нормальный доступ, а не за лотерейный билет. Пополнить баланс можно российской картой, через СБП или криптой.
Текст решает больше, чем модель
Наблюдение из сотни генераций: плохой текст не спасёт никакая нейросеть, а хороший вытянет даже средняя модель.
Генерацию ломают три вещи. Длинные строки: модель не успевает их пропеть и начинает тараторить. Держите строку в 6-9 слогов, как в обычной поп-песне. Отсутствие повторов: припев обязан повторяться, иначе модель импровизирует и путается. И перегруженные метафоры. Строка «моя душа как ртутный лабиринт из стекла» красиво смотрится в блокноте и превращается в кашу во рту у вокалиста.
Рабочая схема: куплет - четыре строки с конкретной бытовой деталью; припев - две-три строки, повтор, одна сильная эмоция; бридж - одна фраза, которая ломает ритм. Этого хватает, чтобы трек слушался, а не просто существовал.
Жанры и голоса: где ИИ палится, а где нет
Лучше всего нейросеть справляется с поп-музыкой, синтвейвом, лоу-фаем, электроникой, инди и лёгким роком. Там, где много синтезаторов и обработки, ИИ звучит почти безупречно: хор, вокодер и реверберация на голосе маскируют артефакты.
Хуже с живым акустическим звуком: джаз с контрабасом, классическая гитара, фортепианные баллады, рэп с плотным флоу и сложной рифмовкой. На акустике слышно, что инструмент не дышит. Рэп модель читает ровно, но без кача, и это сразу выдаёт машину. Тяжёлый металл с бластбитами и гроулингом получается смешно, если не ставить задачу свести всё к чистому вокалу.
Женский вокал у большинства моделей убедительнее мужского. Мужской уезжает либо в слишком оперный, либо в слишком «радийный» тембр. Нужен низкий бархатный голос - готовьтесь к нескольким итерациям.
Три сценария, где я это реально использовал
Поздравление. Тёте на юбилей нужна была песня про её огород и кота. Текст набросал за двадцать минут, генерация заняла минуту, звучало тепло и по-доброму. Никто не вслушивался в артефакты, все плакали и смеялись.
Фон для ролика. Нужен был инструментал на 45 секунд, без вокала, в темпе 100, чтобы монтаж лёг ровно по битам. Бот в Telegram не смог, резал не туда. Через веб-интерфейс получилось с третьей попытки, зато без склеек и без уродливого затухания в конце.
Демо для заказчика. Я не музыкант, но нужно было показать, как может звучать гимн для небольшого бренда. Отправил два варианта, заказчик выбрал направление, дальше работал живой аранжировщик. Главное применение ИИ в музыке: он не заменяет, он ускоряет этап согласования в разы.
Сколько это стоит на самом деле
Бесплатно в Telegram попробовать можно. Это честно, и я не буду делать вид, что нет. Одна-две генерации дадут представление о том, как это работает, и заодно покажут потолок качества конкретного бота.
Дальше считайте сами. Один трек раз в год для семейного праздника - хватит и бота со звёздами. Регулярный контент, разные версии, инструменталы, нормальная длина и звук, который не стыдно поставить в проект - посредник в чате становится лишним звеном. И лишними деньгами.
От 149 рублей за доступ на 3seller.com/suno дешевле, чем десять попыток в боте по 22 звезды. И вы получаете не лотерею, а инструмент.
Дальше просто: открыть ссылку, написать пару строк о том, что должно быть в песне, нажать генерацию. Через минуту будет демо. Ещё через двадцать минут правок в тексте получится то, что можно отправить людям без скидки на «ну это же нейросеть».
Начните с одной строки про то, что вы чувствуете прямо сейчас, а не с попытки сделать шедевр. Дальше пойдёт легче, и вы сами удивитесь, насколько быстро чат с ботом превращается в студию в браузере.