Мой первый трек со своим голосом закончился конфузом. Записал тридцать секунд на телефон, загрузил, сгенерировал, включил друзьям. Один послушал и спросил: «А почему поёт кто-то похожий на тебя, но не ты?» Списал всё на сырую технологию. Через десяток экспериментов и два десятка потраченных генераций понял: технология тут почти ни при чём. Дело в образце, промпте и в том, что я вообще не думал о манере пения.
Ниже только то, что проверено практикой. Без магии и без обещаний, что кнопка «сделать красиво» существует.
Голос записывается один раз, дальше это просто кнопка
Схема в 2027 году одинаковая почти везде. Вы даёте короткий образец голоса, модель вытаскивает из него тембр и интонацию. Дальше сохраняет как отдельный профиль, его называют персоной голоса. И применяет к любой новой мелодии и аранжировке. Повторно записываться не нужно: один раз сохранили профиль, и он работает в поп-треке, в рок-балладе, в чём угодно.
Технические рамки у большинства сервисов примерно такие: образец до 60 секунд, файл до 10 МБ, возраст 18+. Этого хватает с запасом. Пробовал и по двадцать секунд, и по минуте: на минуте сходство заметно выше, но разница не драматическая. Ключевое не в длине, а в качестве и в том, что именно вы спели.
Профессиональный вокал не нужен. Студия не нужна. Нужен тихий угол и телефон, который не лежит на столе рядом с ноутбуком.
Хриплый шёпот в образце даст хриплый шёпот в песне
Главная ошибка новичков - читать текст в образец, а не петь. Модель копирует манеру, а манера чтеца и манера певца - это два разных человека. Если в образце вы бубните себе под нос, в треке получите бубнёж, только с гитарой. Я записал один и тот же текст дважды: разговорно и напевно, с включённой эмоцией. Вторая версия дала сходство, которое слышат даже те, кто меня плохо знает.
Что ещё убивает результат:
- фоновая музыка или телевизор в комнате (модель тащит их в тембр, потом удивляетесь металлическому призвуку);
- эхо и реверб от пустой комнаты (записывайтесь в шкафу с одеждой, это не шутка, это бесплатный акустический щит);
- шум вентилятора, кондиционера, холодильника;
- образец на пределе громкости, с перегрузом микрофона.
И ещё нюанс: пойте в том диапазоне, в котором вам комфортно. Если вы баритон и записали образец на пределе, ИИ честно попытается повторить этот предел в припеве. Получится крик. Спойте спокойно, но с характером - так модель поймёт ваш тембр, а не вашу борьбу с нотами.
Персона - это не только тембр
Все думают, что клонирование голоса - это про звук. По факту сходство держится на трёх вещах: тембр, интонация и артикуляция. Тембр модель снимает быстро. Интонацию - куда вы ведёте фразу и как дышите - снимает сложнее, и именно она даёт эффект «это он поёт». Артикуляция, то есть как вы произносите согласные и насколько тянете гласные, доходит не с первой генерации.
Авторы профильных гайдов по ИИ-музыке подмечают ту же закономерность: узнаваемость держится не на тембре, а на подаче. Отсюда практический вывод - не пытайтесь сделать идеальный образец. Сделайте характерный. Если у вас есть узнаваемая манера - легкая хрипотца, привычка съедать окончания, специфическое «а» - не прячьте её, она ваш главный актив. Отполированный безликий голос модели копировать неинтересно, и в треке он звучит как синтезатор.
Промпт решает половину результата
Когда профиль голоса готов, начинается работа, которую большинство пропускает. Люди пишут «сделай песню» и удивляются, что получили непонятно что. Модель не угадывает, она выполняет. Жанр, темп, инструменты, настроение - это всё нужно назвать вслух.
На Reddit в ветках про генерацию музыки это самая частая жалоба: «попросил песню - получил кашу». Рабочий пример на английском даёт предсказуемый результат: «warm acoustic ballad using saved voice persona, soft guitar, slow tempo, emotional mood». Разбирайте его по частям и подставляйте своё: жанр, что играет на переднем плане, скорость, эмоция. Хотите танцевальный трек - меняете ballad на dance pop и добавляете sidechain, синтовые пэды, 124 BPM. Хотите рок - overdriven guitar, live drums, energetic.
Отдельно про текст. Если пишете свой, сразу размечайте структуру: куплет, припев, бридж. Модели это помогает держать форму, и трек не превращается в трёхминутный поток без динамики. Если текста нет, начните с трёх-четырёх строк и набора образов, дальше ИИ дополнит. С именами, деталями и конкретными словами получается в разы живее, чем с абстрактными «мечтами» и «дорогами».
Три версии одного трека - это норма, а не перебор
С первого раза попасть в естественное звучание почти невозможно, и это не проблема сервиса. Генерация - вероятностный процесс. Один и тот же промпт с одной и той же персоной даёт разные результаты. Где-то голос звучит узнаваемо, где-то модель уходит в сторону и получается «похожий коллега».
Мой рабочий подход - 2-3 версии с разными настройками. Первая строго по задуманному жанру. Вторая - тот же текст, но другой темп или тональность. Третья - эксперимент, например баллада вместо танцевального трека. Потом слушаю и сравниваю не общее впечатление, а конкретику: узнаю ли себя на первой фразе куплета, не съезжает ли голос в припеве, нет ли чужого человека в бридже.
Сравнивать удобно по одной привычке: слушайте трек в наушниках и на телефонном динамике. На телефоне слышно, держится ли характер голоса без поддержки низа и объёма. Если на маленьком динамике всё ещё вы - версия удачная.
Один сохранённый голос закрывает все жанры
После того как профиль записан, вы больше не возвращаетесь к микрофону. Это самый недооценённый плюс всей затеи. Захотелось поп - выбрали поп. Захотелось рок с перегрузом - выбрали рок. Захотелось джазовую балладу под контрабас - пожалуйста. Голос один, обёрток сколько угодно.
Я так собрал подарок на день рождения друга: три версии поздравления в разных жанрах, от серьёзной акустики до откровенно дурацкого диско. Ушло меньше часа вместе с правкой текста. Раньше на такое нужна была студия, сессионный музыкант и пара недель переписки.
Для подарков и личных треков это вообще идеальный сценарий. Человек слышит знакомый голос, который поёт текст, написанный лично для него. Эффект сильнее, чем от идеально сведённого трека незнакомого певца.
Где ИИ честно ломается
Про ограничения обычно молчат, а зря. Скачки на октаву вверх, длинные ноты на пределе диапазона, агрессивный скрим, быстрый речитатив с плотной подачей - здесь сходство просаживается первым делом. Модель старается, но выходит либо стерильно, либо с артефактами.
Второй момент - шипящие и свистящие звуки. На «с» и «ш» иногда слышна синтетика, особенно если в образце был шум. Третий - дыхание. Живой вокал дышит, и там, где модель не расставила вдохи, фраза звучит механически ровно. Лечится промптом (добавьте про воздух и живую подачу) и выбором другой версии генерации.
И общее правило: чем сложнее вокальная задача, тем больше вариантов надо перебрать. Простую балладу в среднем регистре ИИ делает почти безупречно. Что-то виртуозное - лотерея.
Права, этика и одна неочевидная проблема
Свой голос - делайте что хотите. Чужой без разрешения - не делайте, и это не только про закон, но и про здравый смысл. Публиковать трек, где голосом знакомого человека поётся что-то сомнительное, - плохая идея с любыми последствиями, от обид до претензий.
Неочевидная проблема в другом. Люди записывают образец в плохом качестве, получают посредственный результат и решают, что технология не работает. А потом видят чужой трек, сделанный аккуратно, и удивляются разнице. Разница не в сервисе, а в пятнадцати минутах подготовки.
Где я это делаю и сколько стоит
Из всего, что я перебрал, стабильнее всего сходство держит 3seller.com/suno. Там работает Suno V5.5, и по качеству вокала это сейчас лучшая модель из доступных. Голос не «пластиковый», интонация живая, аранжировка не рассыпается на середине трека. Остальные ИИ-инструменты, если понадобятся под другие задачи, лежат рядом: 3seller.com/3gpt.
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, то есть дешевле чашки кофе в центре Москвы. За эти деньги вы получаете не демо с водяным знаком, а нормальный трек, который можно слушать и дарить. Пополнить баланс можно российской картой, через СБП или криптой.

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.
Дальше выбираете сохранённый голос, жанр, темп и запускаете генерацию. Пара минут ожидания, и вы слушаете результат. Не понравилось - меняете один параметр и пробуете снова. Именно так получается нормальный трек, а не попытками угадать идеальную формулировку с первого раза.
Порядок действий, который экономит генерации
Сначала текст. Не потому что это творческая часть, а потому что текст задаёт длину фраз и расстановку пауз. С готовым текстом вы сразу слышите, где модель спотыкается.
Затем образец голоса. Тихая комната, напевная подача, 30-60 секунд, без музыки и эха. Назовите профиль понятно: «Мой голос» или «Мой голос, мягкая подача», чтобы через месяц не гадать, какой из пяти файлов что означает.
Следом промпт с жанром, темпом, инструментами и настроением. Потом 2-3 генерации. Потом сравнение и выбор. Это весь процесс: никакой студии, никакого оборудования, никакого музыкального образования.
Начните с одного трека, который давно хотели услышать своим голосом. Не с идеального, а с первого. Второй получится заметно лучше, а третий вы уже будете делать на автомате. Переходите на 3seller.com/suno и запишите свои тридцать секунд - остальное соберётся само.