3SELLER Journal 3SELLER →

Создать песню своим голосом через ИИ: 40 секунд сэмпла, 3 прохода и трек, не отличимый от живого вокала

19.11.2026

Первый раз мой клонированный голос запел из колонок в четыре утра. Я записал сорок секунд в пустой комнате, загрузил в генератор, выбрал инди-поп и ушел пить чай. Через минуту услышал себя, но моложе, чище и с дыханием, которого у меня никогда не было. Ощущение странное. Не эйфория, скорее любопытство: где заканчивается мой голос и начинается модель.

Создать песню своим голосом через ИИ сегодня может любой, у кого есть телефон и полчаса. Проблема не в доступе. Проблема в ожиданиях. Люди ждут кнопку «сделать хит», а получают черновик с кашей во втором куплете. Дальше начинается работа, и вот она решает всё.

Создать песню своим голосом через ИИ: два сценария, которые постоянно путают

Есть клонирование тембра. Вы даете модели образец речи или пения, она вытаскивает тембр, манеру, плотность, вибрато. На выходе вокал похож на ваш. Насколько похож - зависит от сэмпла и модели. Иногда сходство такое, что друзья не верят в генерацию. Иногда получается двоюродный брат вашего голоса, который курит больше вас.

Есть генерация по описанию. Вы пишете «женский альт, теплый, с хрипотцой», и модель делает вокал с нужным настроением. К вашему реальному голосу он отношения не имеет. Для демо, шутки или подарка этого хватает. Только не называйте такое своим голосом, если не клонировали.

Разница принципиальная. В первом случае вы тратите время на запись и чистку сэмпла. Во втором - на текст и промпт. Оба пути рабочие, но путать их значит разочароваться на третьей генерации.

Запись сэмпла: 40 секунд, которые решают всё

Модель не слышит ваш замысел. Она слышит файл. Если в файле эхо, шум холодильника и музыка на фоне, клонирование получится мутным. Я проверял: разница между записью в ванной и записью в шкафу с одеялами слышна невооруженным ухом.

Нужен сухой вокал без обработки. Не пойте в автотюн, не добавляйте реверб, не прогоняйте через компрессор. Модель сама добавит эффекты, ей нужен чистый исходник. Телефон подойдет, если микрофон не перегружен и рядом нет сильного шума. Петличка или USB-микрофон за пару тысяч рублей дадут результат предсказуемее.

Длины в 30-60 секунд обычно хватает. Запишите два-три дубля: спокойный, эмоциональный и с чуть более высокой интонацией. Модели полезно увидеть диапазон. Не шепчите и не кричите в микрофон, если не хотите, чтобы клон потом делал это постоянно. В обсуждениях на Reddit любители генеративной музыки дают тот же совет: сначала чистый дубль, потом все эффекты.

Вот чего избегать при записи:

Отдельно про юридическую гигиену. Клонировать чужой голос без разрешения - плохая идея, и не только с точки зрения этики. Публикация такого трека может закончиться разговором с правообладателем. Свой голос, голос друга с его согласия, голос заказчика по договору. Всё остальное - лотерея с плохими призами.

Текст важнее, чем кажется: ударения, слоги, длина строк

Модель не читает ноты и не знает, как вы представляли мелодию. Она предсказывает звуки по тексту. Чем проще строка, тем выше шанс, что слова споются внятно. Длинные предложения с деепричастными оборотами она любит проглатывать.

Я переписываю текст перед генерацией почти всегда. Убираю канцелярит, разбиваю длинные строки, повторяю ключевые гласные. Работает простое правило: если вы не можете пропеть строку на одном дыхании, модель тоже не сможет. Проверьте вслух. Если спотыкаетесь вы, споткнется и она.

Ударения - отдельная боль. Русский язык богат на слова, где модель ставит ударение не туда. Автоматическая расстановка ударений помогает, но идеала не гарантирует. В сервисах такая функция стоит копейки, иногда 3 рубля, и это не панацея. После генерации всё равно слушайте каждый куплет.

Цифры, аббревиатуры, имена собственные и англицизмы в русском тексте лучше расшифровывать. «МВД» может превратиться в «эмвэдэ» или в что-то непечатное. «2024» споется как «две тысячи двадцать четыре» или развалится на отдельные цифры. Пишите словами, если хотите контроль.

И не пихайте в одну песню три языка. Модель справится технически, но интонация будет гулять. Один язык на трек, максимум короткая вставка, если она реально нужна.

Промпт для песни: не «сделай красиво», а конкретный рецепт

Хороший промпт похож на записку продюсеру, а не на заклинание. Жанр, темп, инструменты, настроение, тип вокала, язык, структура. Чем точнее, тем меньше сюрпризов. «Сделай красиво» - это лотерея. «Инди-поп, 92 BPM, сухая барабанная установка, бас-синт, сдержанный куплет, широкий припев, женский альт, русский язык, без рэпа» - уже рецепт.

Начинайте с одной-трех точных подсказок. Если добавить двадцать жанров, модель начнет метаться. Я видел треки, где в одном припеве смешались кантри, дабстеп и хор, потому что автор перечислил всё, что любит. Технически возможно. Слушать это без смеха сложно.

Структуру можно задать текстом: куплет, припев, куплет, припев, бридж, припев. Некоторые генераторы понимают теги вроде [verse] и [chorus]. Если не понимают, структура все равно считывается по повторяющимся строкам. Повторяющийся припев помогает модели вернуться в ту же мелодию.

Как создать песню с помощью ИИ

Для этой задачи у меня есть один рабочий маршрут: Suno на 3seller.com/suno. Открываете, описываете идею или вставляете готовый текст, выбираете звучание и генерируете. Без установки, без плагинов, без танцев с бубном вокруг аудиокарты. Мой основной инструмент для музыкальных экспериментов, и не только моих.

Создание песни своим голосом через ИИ в Suno на 3seller

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: полноценный трек с вокалом дешевле чашки кофе в центре Москвы.

01 / Идея. Задайте направление. Опишите тему, настроение и желаемое звучание. Это может быть песня о любви, танцевальный трек или история для особенного случая. Не обязательно начинать с готовой композиции. Достаточно сформулировать, о чем она и какое настроение должна передавать.

02 / Слова. Добавьте текст или сюжет. Начните с нескольких строк, готового текста, стихов или набора образов. Уточните важные детали, имена и язык песни. Если текста нет, опишите сюжет - модель предложит черновик, который потом можно довести руками.

Ссылка на сервис: создать песню с ИИ. Остальные ИИ-инструменты, которыми я пользуюсь, собраны тут: 3seller.com/3gpt.

Три прохода вместо одного: почему первая версия почти всегда черновая

Я редко оставляю первую генерацию. Не потому, что сервис плохой, а потому, что модель каждый раз принимает решения заново. Один и тот же текст может спеться с разной мелодией, разной подачей и разным количеством артефактов. Три-пять вариантов - норма для одного трека.

Слушайте в наушниках и на колонках. В наушниках слышны дыхание, щелчки и «съеденные» согласные. На колонках понятно, качает ли трек и не провалился ли вокал в миксе. Если нравятся оба прослушивания, можно брать. Если нравится только один аспект, берите лучший фрагмент и генерируйте вокруг него.

Артефакты лечатся не магией, а правками текста. Съедает окончания - удлините строку или разбейте на две. Металлический призвук на высоких - попросите более низкий регистр. Дыхание не там - уберите лишние паузы в тексте. Модель чувствительна к структуре, хотя и не обязана объяснять свои решения.

Где ИИ ломается: честный список проблем

Сложные слова. Чем длиннее и реже слово, тем выше шанс услышать его в неожиданном исполнении. Термины, фамилии, названия лекарств - всё это зона риска. Проверяйте каждое такое слово отдельно.

Рэп. Флоу и плотность слогов - тяжелая задача. Модель может выдать ритмичную кашу, где слова есть, а разобрать их нельзя. Помогает короткая строка, четкая рифма и меньше внутренних созвучий. Иногда проще сделать поп-трек с речитативным куплетом, чем чистый рэп.

Бэкинг-вокал. Гармонии и подпевки модель делает охотно, но не всегда в тему. Если в тексте не указано, где нужен бэк, она добавит его по своему вкусу. Указание «без бэков» или «минимум подпевок» иногда работает, иногда игнорируется. Это нормально для генеративных систем.

Дословное воспроизведение. Ни один сервис не гарантирует, что все слова прозвучат идеально, даже с расстановкой ударений. На Reddit в ветках про генеративную музыку чаще всего жалуются именно на съеденные окончания и ударения в редких словах. Это свойство технологии, а не баг конкретной платформы. Планируйте время на правки, а не на чудо.

Свой голос или голос ИИ: что выбрать для конкретной задачи

Подарок другу. Здесь важнее эмоция, чем идеальный тембр. Можно обойтись генерацией по описанию, если нет времени на запись сэмпла. Шутка про начальника, песня для дня рождения, поздравление в чат - работает и так.

Демо для группы. Нужен именно ваш тембр, чтобы показать материал. Тут клонирование оправдано. Запишите сэмпл, сгенерируйте черновик, покажите музыкантам. Они услышат идею, даже если вокал местами робот.

Коммерческий трек. Я бы не строил релиз целиком на клоне без прослушивания юристом и без понимания, как сервис относится к правам на сгенерированный звук. Условия меняются, и то, что было можно вчера, завтра может стать спорным. Читайте правила платформы, сохраняйте чеки и исходники.

Этика простая. Не выдавайте клон за живого артиста. Не клонируйте голос без согласия. Не публикуйте трек, который может навредить человеку, чей голос вы использовали. Технология позволяет многое, но не всё стоит делать.

Мастеринг и публикация: последние 10%, которые слышно

Экспорт в WAV лучше mp3, если сервис дает выбор. 44.1 или 48 кГц, 24 бита - стандарт, который съест любой дистрибьютор. Не гонитесь за громкостью. Трек, задавленный лимитером, звучит устало. Лучше оставить запас и дать площадке нормализовать звук.

Обрезка тишины в начале и конце. Мелочь, но она отличает аккуратный файл от сырого. Проверьте, нет ли щелчка на старте. Если есть, добавьте миллисекунду тишины. Не смейтесь, это слышно в наушниках.

Обложка и метаданные. Название, автор, жанр, язык. Если планируете стриминг, подготовьте текст и обложку заранее. Дистрибуция через агрегатора требует времени, иногда несколько дней. Не обещайте заказчику «завтра на всех площадках», если не уверены.

Права на сгенерированный трек. Условия у сервисов разные, и они меняются. Сохраняйте подтверждение оплаты, не удаляйте исходные файлы, фиксируйте дату генерации. В спорной ситуации это ваша единственная опора.

Сколько это стоит и сколько времени занимает

Цена от 149 рублей за генерацию в Suno на 3seller. Если делать трек с тремя-пятью проходами, выходит несколько сотен рублей и вечер времени. Для демо, подарка или эксперимента это разумно. Для альбома из двенадцати треков считайте бюджет отдельно.

Время. Запись сэмпла - 10 минут. Текст - от получаса до бесконечности, тут всё зависит от вас. Генерации - минуты. Прослушивание и правки - еще час. Итого вечер на один приличный трек, если не страдать перфекционизмом.

Не ждите, что первая песня станет вашим любимым треком. Первая песня - это тест-драйв. Вы поймете, как модель слышит ваш текст, где ломается, что игнорирует. Вторая будет лучше. Пятая - еще лучше. Это навык, а не кнопка.

Возьмите телефон, зайдите в тихую комнату и запишите сорок секунд своего голоса. Без музыки, без обработки, с нормальным настроением. Потом откройте Suno на 3seller, вставьте пару строк текста и выберите жанр. Через десять минут у вас будет первый результат, который можно слушать без стыда. Дальше - только практика.

← Вернуться к блогу

Читать дальше