В заметках у меня три года лежал куплет. Писал под гитару, аккорды забыл, строки остались. Отдал их нейросети, ушло меньше двух минут, и обратно пришёл готовый трек: мой текст, живой вокал, аранжировка, сведение. Ни MIDI-клавиатуры, ни звукорежа, ни студии.
С тех пор я собрал десятка три песен. Часть слушают люди, которые не знают, откуда файл, и не верят, что это генерация. Ниже - как сделать так же и где обычно ломается.
Инструмент, которым я пользуюсь и который советую, живёт тут: создать песню со своим текстом нейросетью. Дальше объясню, почему именно он и что делать с текстом, чтобы не переделывать десять раз.
Нейросеть больше не делает биты, она делает песни
Ещё год назад типичный результат выглядел так: приличный луп на тридцать секунд и предложение докупить подписку. Сейчас модели отдают законченную композицию, где вокал, мелодия, аранжировка и сведение появляются сразу. Не заготовка, не минусовка, а трек, который можно выложить.
Раньше ты сидел в редакторе, клеил куски, искал вокалиста, потом ещё раз сводил. Сейчас работаешь с текстом и описанием, а вся звуковая часть происходит на другой стороне.
По качеству вокала за последние полтора года произошёл скачок, который мало кто заметил. Раньше «машинка» считывалась на слух сразу: ровные окончания, ни одного вдоха, идеальный питч без микрофлюктуаций. Сейчас вокал дышит. Где-то чуть уходит вперёд ритма, где-то подхватывает воздух перед строкой. Именно эти мелочи и делают трек живым.
Почему я отправляю людей на 3seller
Первая причина - голос. Модель поёт по-русски без акцента и без машинного прононса. Для меня это было откровением. Большинство музыкальных нейросетей на русском превращают слова в кашу, глотают окончания, ставят ударения там, где их отродясь не было. Тут такого нет, и это до сих пор редкость.
Вторая - за одну генерацию приходит готовый трек со всем сразу. Третья - на запрос приходит два разных варианта. По моей статистике один из двух попадает в задуманное с первого раза, а второй уходит в сторону, которую я сам не закладывал.
Четвёртая причина бытовая: всё работает из России, без VPN, а пополнить баланс можно российской картой, через СБП или криптой. Цена стартует от 149 рублей. Для человека, который никогда не платил за музыку, сумма подъёмная, особенно когда речь о подарке, а не о релизе на лейбле.

Свой текст или своё настроение: два разных сценария
Работать можно двумя способами. Первый: отдаёшь готовый текст и жанр, модель поёт ровно то, что написано. Второй: описываешь настроение словами, и она придумывает и слова, и мелодию.
Первый нужен, когда стихи уже есть. Второй выручает, когда есть только повод: день рождения, годовщина, корпоратив, джингл для рекламы, поздравление для чата. Если у вас есть свой текст, всегда идите первым путём. Отдавать модели право переписать ваши строки стоит только в самом начале - посмотреть, как она вообще думает.
Задайте направление, а не только текст
Опишите тему, настроение и желаемое звучание. Песня о любви, танцевальный трек или история для особенного случая - неважно. Чем конкретнее образ, тем меньше вариантов придётся отбрасывать.
Плохое описание: «грустная песня». Хорошее: «медленный инди-фолк, женский вокал с хрипотцой, акустическая гитара, тихая виолончель на втором плане, чувство поздней осени». Разница в результате огромная, а пишется за десять секунд.
Добавьте текст или хотя бы сюжет
Начните с нескольких строк, готового текста, стихов или набора образов. Уточните важные детали, имена и язык песни. Если строк пока нет, опишите сюжет в двух предложениях: о ком, о чём, какая эмоция должна остаться у слушателя после последнего припева.
Мой лайфхак: добавьте в описание одну бытовую деталь. Не «о расставании», а «о расставании в аэропорту, где она забыла зонт». Модель цепляется за такие вещи и выдаёт более конкретную мелодию.
Разметка секций решает половину результата
Самая частая ошибка новичка: вставить простыню текста в поле и ждать чуда. Модель не понимает, где куплет, где припев, и лепит всё в один длинный речитатив. Особенно обидно, когда стихи хорошие.
Лечится тегами в квадратных скобках: [Куплет], [Припев], [Бридж], [Интро], [Аутро]. Внутри скобок модель не поёт, она читает их как разметку структуры. Не магия, а обычный служебный синтаксис. Но без него половина работы насмарку.
Дальше три правила, которые я вывел на своих ошибках.
Припев держите короче куплета. В девяноста процентах случаев трек портит именно раздутый припев: модель начинает торопиться, комкает строки, и на выходе получается каша вместо эмоции.
Одна строка - одна мысль. Длинные строки на двенадцать-четырнадцать слов модель либо обрезает, либо проглатывает окончания. Разбивайте на шесть-восемь слов. Песня не поэма, воздух в ней важнее плотности.
Не дублируйте припев дословно три раза подряд. Достаточно одного раза с пометкой, что он повторяется, либо двух вариантов: основной и финальный, чуть изменённый. Так модель не устанет от одинаковых строк.
Жанр и настроение: где заканчивается управление
Поле стиля - не техзадание, а направление. Пять-семь признаков работают лучше двадцати. «Медленный соул, женский вокал, тёплая бас-гитара, лёгкая реверберация» звучит точнее, чем список всех инструментов, которые вы знаете.
Часть сервисов даёт ручки вроде Weirdness и Style influence. Первая отвечает за неожиданность результата, вторая - за то, насколько точно трек попадёт в заявленный жанр. Нужен предсказуемый результат - Style influence вверх, Weirdness вниз. Ищете идею - наоборот. Мне вторая ручка почти не нужна: слышу, когда трек уехал не туда.
Темп задавать стоит, если он критичен. Баллада на 150 BPM перестаёт быть балладой, а танцевальный трек на 70 превращается в тяжёлый слоу-джем. Если поля BPM нет, впишите темп в описание стиля словами: «очень медленно», «бодро», «в темпе марша».
Русский вокал: где обычно ломается
Проблемные места я знаю наизусть. Аббревиатуры, цифры, латиница посреди строки, длинные незнакомые имена, редкие фамилии. Модель либо прочитает их по буквам, либо пропоёт что-то своё. И это будет самая заметная строчка в песне. Не в хорошем смысле.
Обходится просто. Цифры словами. Латиницу кириллицей по звучанию. Редкое имя один раз в тексте, дальше местоимением. Сложные стечения согласных проверяйте на слух сразу после первой генерации.
Отдельная история - буква ё. Часть моделей читает «все» и «всё» одинаково, и смысл строки переворачивается. Слышите подмену - поправьте в тексте вручную, поставив ё там, где она нужна. Модель послушается.
И ещё: не пишите ремарки вроде «шёпотом» без квадратных скобок. Внутри скобок они работают как указание, вне скобок будут спеты буквально.
Два варианта на запрос - это не баг, а фича
Многие слушают первые двадцать секунд первого варианта, вздыхают и закрывают. А потом пишут, что нейросеть не умеет. Слушайте оба до конца. Второй часто начинается слабее, а на припеве разворачивается так, что первый рядом не стоял.
Если оба не то, не переписывайте весь текст. Меняйте по одному параметру за раз: сначала жанр, потом пол вокалиста, потом темп. Иначе не поймёте, что именно сработало.
Когда текста слишком много или слишком мало
Длину трека модель подбирает по тексту, чаще всего это полторы-четыре минуты. Восемь куплетов туда не влезут: модель начнёт комкать, ускорять и сжуёт половину строк. Обрезайте или делите на две песни. Вторая часть часто выходит сильнее первой, потому что там уже есть драматургия.
Обратная ситуация: у вас две строки и большое желание. Допишите второй куплет или попросите инструментальное интро и аутро. Пустой трек на полторы минуты с одной фразой слушается как ошибка монтажа.
Что делать с готовым треком
Формат обычно MP3 или WAV, выбор запоминается для следующих песен. MP3 хватает для соцсетей и мессенджеров. WAV берите, если трек поедет в монтаж видео или на площадки, где жадно относятся к качеству.
Про права: на платных тарифах треки обычно разрешено использовать в соцсетях, рекламе и подарках. Условия у сервисов меняются, поэтому перед коммерческим запуском загляните на страницу тарифа и прочитайте актуальный текст. Скучно, но один раз прочитать дешевле, чем потом переделывать ролик.
Мой рабочий порядок, если повторять по шагам
- Пишу или беру готовый текст и размечаю секции скобками.
- Описываю стиль пятью-семью признаками, без фанатизма.
- Запускаю генерацию и получаю два варианта.
- Слушаю оба целиком, отмечаю, где сбился ритм или уехало ударение.
- Правлю две-три строки в тексте и генерирую ещё раз.
До приличного результата у меня обычно уходит три-четыре итерации и минут пятнадцать. Если текст размечен нормально, хватает одной.
Песня под конкретный повод получается лучше абстрактной
Люди часто просят «что-нибудь красивое». Из этого редко выходит живое. А вот «песня для мамы, которой шестьдесят, она любит Высоцкого и пироги с капустой, нужен тёплый женский вокал и немного гитары» превращается в трек, который потом пересылают в семейном чате и слушают на повторе.
Конкретика - главный ресурс в работе с генерацией. Чем меньше общих слов, тем точнее попадание. Касается не только музыки: с текстами и картинками работает то же самое, инструменты для которых собраны тут 3seller.com/3gpt.
Одна честная оговорка
Нейросеть не заменит вам автора. Она отлично поёт ваши строки, но придумывать за вас то, что стоит сказать, не станет. Лучшие треки, которые я слышал от людей, начинались с чьей-то тетрадки, а не с пустого поля промпта.
Зато она снимает всё остальное. Не надо искать вокалиста, который не возьмётся за странный текст. Не надо платить за студию, чтобы понять, что припев слабоват. Не надо объяснять аранжировщику, какая именно виолончель вам слышится в третьем куплете.
С чего начать сегодня
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, результат слышно через пару минут.
Возьмите куплет, который лежит у вас в заметках. Разметьте скобками, добавьте три слова про настроение и запустите. Через пятнадцать минут у вас будет файл, который можно отправить человеку.