На прошлой неделе знакомый скинул трек: минута двадцать, его тембр, но голос моложе лет на десять и поёт чище, чем он сам в машине. Спросил, сколько стоила студия. Ноль рублей и двадцать минут в браузере. Разбираю по деталям, как это устроено, где бесплатное заканчивается и что сделать, чтобы результат не звучал как реклама приложения.
«Бесплатно» в этой теме означает не «бесконечно», а «попробовать и понять, твоё или нет». Дальше либо платишь копейки, либо остаёшься с тремя пробными треками в разных сервисах и разочарованием.
Бесплатный лимит - это не жадность, а физика
Генерация песни - это рендер аудио на видеокарте, а не подстановка слов в шаблон. Каждая попытка съедает GPU-часы, поэтому бесплатных кредитов всегда мало: восемь штук новичку, одна демо-версия, пара пробных запросов. Хватает, чтобы услышать, как сервис держит жанр и вокал. На альбом не хватит.
Стандартный бесплатный набор: до четырёх минут на трек, скачивание MP3, сутки облачного хранения, генерация в общей очереди. Готовый файл забирайте сразу, через день его может уже не быть. Это не подлость, это экономия дисков.
Платный вход начинается от 149 рублей за пакет генераций. Час в средней студии с аранжировщиком стоит пять-восемь тысяч, и это без сведения. Так что даже платный тариф здесь дешевле дороги до студии.
Три способа сделать трек своим голосом, и результат у них разный
Люди путают эти три сценария и злятся, что «ИИ не попал в эмоцию». Эмоцию он и не должен ловить, если вы просите его петь за вас.
Первый способ - клонирование. Вы даёте сервису образец своего голоса, и он поёт вашим тембром чужой или ваш текст. Быстро и удобно, но диапазон узкий: модель копирует звук, а не надрыв.
Второй способ - сгенерировать минус и записать вокал самому. Дольше, зато живой. Так рождаются демо, которые не стыдно показать. Об этом пути пишут меньше всего, хотя при нулевом бюджете он даёт лучший результат.
Третий - войс-ченджер и каверы. Берёте готовую песню, меняете тембр на свой. Для шутки в чате или рилса годится, для релиза плохо: права на исходник никуда не делись, а артефакты на согласных слышно даже в наушниках за пятьсот рублей.
Клонирование: тридцать секунд чистой речи решают всё
Качество клона на восемьдесят процентов зависит от образца, а не от модели. Люди записывают голосовое в кафе, на фоне играет радио, потом удивляются каше на выходе. Нужна тихая комната, микрофон в двадцати сантиметрах, ровный тон без актёрства.
Мой чек-лист для образца: моно, 44.1 кГц, без ревера и эквалайзера, без музыки, тридцать-шестьдесят секунд обычной речи плюс одна пропетая фраза. Не читайте с листа, получится диктор. Расскажите, что ели на завтрак, только не тяните гласные. Модель учится на интонациях, и монотонность потом вылезет в припеве.
На Reddit в ветках про клонирование голоса всплывает неочевидный нюанс: клон ломается не на тембре, а на дыхании. В живом вокале между фразами есть вдох, шум, микроскопическая пауза. Клон дышит редко и не вовремя.
Второе - шипящие. С и Ш на клонированном вокале звучат как синтезированные, особенно на длинных нотах. Лечится эквалайзером и де-эссером, но лучше сразу писать образец с нормальной артикуляцией.
Третье, самое неприятное: клон не умеет врать. Вашу усмешку или злость он не воспроизведёт, только тембр в нейтральном настроении. Для танцевального трека или фоновой песни этого хватит. Для песни про развод, где нужен сорванный голос, нет.
Записать самому поверх ИИ-минуса: самый недооценённый путь
Схема простая. Генерируете инструментал в нужном жанре и темпе, получаете аранжировку, поёте под неё в наушниках, сводите в бесплатном редакторе. Вы автор вокала и мелодии, а не пользователь кнопки.
Эмоция здесь ваша. ИИ не умеет в срыв, шёпот, ухмылку, вы умеете. Плюс голос не надо никому отдавать, а значит вопросов по правам и приватности не возникает вообще.
Из практики: знакомая вокалистка год искала аранжировщика для портфолио. Сгенерировала четыре минуса в поп-роке, записала вокал на петличку, свела в Audacity за вечер. Через месяц ей написали с двух кастингов. Не потому, что треки идеальные, а потому что там живой голос поверх нормальной музыки.
Мелочи, которые экономят часы. Пишите в наушниках, иначе минус попадёт в микрофон. Ставьте метроном поверх минуса, если темп плавает. Не пытайтесь петь громче, чем можете: перегруз потом не убрать. Держите запас минус шесть дБ, чтобы не словить клиппинг на припеве.
Промпт решает больше, чем модель
Половина жалоб на «пластиковый звук» - это жалобы на плохое описание. На Reddit в обсуждениях генераторов музыки эта претензия повторяется чаще всего, и почти всегда виноват запрос. «Красивая грустная песня» вернёт вам красивое грустное ничто. Модель не угадывает, она исполняет.
Рабочий промпт состоит из четырёх частей: жанр и эпоха, темп, состав инструментов, характер вокала. Пример: «медленный соул семидесятых, 72 BPM, женский вокал с хрипотцой, сухие барабаны, бас на переднем плане, тёплый аналоговый орган, припев с подпевками». Это уже техзадание, а не гадание.
Указывайте структуру: куплет, предикрис, припев, бридж. Многие генераторы понимают теги в тексте и раскладывают песню по секциям. Без тегов получите ровное полотно на три минуты, где припев неотличим от куплета.
Язык задавайте явно. Русский вокал у большинства моделей уступает английскому по дикции, особенно на быстрых фразах. Если нужен русский, пишите текст сами и следите за слогами: модель ломает ритм там, где строки разной длины.
И генерируйте пачками. Один запрос редко даёт попадание, пять вариаций промпта дают один нормальный трек. Это нормальный расход.
Текст лучше писать самому, даже если он кривой
Нейросеть рифмует предсказуемо: сердце и дверца, любовь и кровь, слёзы и морозы. Технически складно, на слух мертво. Слушатель не разбирает строки, он считывает конкретику.
Сравните: «осень в моём сердце» и «четырнадцатый маршрут, шесть утра, я один в салоне». Второе поётся и запоминается, потому что там есть картинка. Модель такое не придумает, у неё нет вашего четырнадцатого маршрута.
Приём: напишите восемь строк от руки, без рифмы, просто факты из ситуации. Отдайте их генератору как основу и попросите дописать припев. Получается гибрид, где ваша конкретика держит смысл, а модель вытягивает форму.
Имена, топонимы, названия вещей, время суток, суммы. Всё это делает песню вашей. Без этого получается радиоверсия ни о чём.
Где ИИ уже неотличим, а где палится с первых секунд
За два года наслушался сотни генераций. Картина стабильная.
- Синт-поп, lo-fi, фоновая музыка для видео, EDM, детские песни, гимны и корпоративные треки: с закрытыми глазами не отличить. Тут модель чувствует себя дома.
- Рэп со сложным флоу и плотными согласными: слышно. Модель сглатывает окончания и выравнивает атаку, живой рэпер так не делает.
- Живой рок с настоящими барабанами: почти всегда выдаёт себя. Оверхэды звучат как сэмплы, а малый не «дышит».
- Джаз с импровизацией и оперный вокал: пока нет. Не хватает микрофраз, вибрато слишком ровное.
- Акустика с одной гитарой: слышно «цифровое тело» инструмента, особенно на затуханиях.
Практический вывод: нужен трек для ролика, подкаста, подарка или демо - вы в зоне, где всё звучит убедительно. Замахиваетесь на живой рок-альбом - готовьтесь править руками.
Права, Content ID и прочая скука, которая бьёт по голове позже
Бесплатный тариф почти всегда означает некоммерческое использование или ограниченные права. Скачали MP3 и выложили на YouTube под монетизацию - получили страйк от системы правообладателей. Проверяйте условия до заливки трека, а не после.
Платные тарифы обычно дают коммерческую лицензию на сгенерированный трек. Звучит как формальность, пока дело не доходит до дистрибуции на стримингах. Там нужен подтверждённый пакет прав, иначе релиз отклонят.
Отдельный момент - голос. Клонирование чужого голоса это уже другая история и часто прямое нарушение. Свой клонируйте на здоровье, с чужим не связывайтесь без письменного согласия.
Мой порядок действий от идеи до готового MP3
Ниже то, что я делаю сам, без теории. Первый трек занимает сорок минут, второй - минут пятнадцать.
- Формулирую идею одной фразой: о чём песня, для кого, какое настроение. Без этого дальше идти бессмысленно.
- Пишу восемь-двенадцать строк текста руками. Пусть коряво, зато своё. Припев можно оставить на потом.
- Собираю промпт по схеме: жанр, эпоха, темп, инструменты, характер вокала, структура. Записываю в заметки, он ещё пригодится.
- Генерирую три-четыре варианта. Слушаю не целиком, а первые двадцать секунд и припев. Не зацепило за двадцать секунд - дальше можно не слушать.
- Выбираю лучший, правлю текст под ритм, перегенерирую. Обычно уходит два-три подхода.
- Если нужен мой тембр, добавляю клонирование или записываю вокал поверх минуса. Скачиваю MP3, храню локально.
Всё это живёт в одном месте, без десяти вкладок и подписок на каждом шаге. Лично я держу основной рабочий сервис здесь: генератор песен и музыки с ИИ. Там есть текст в музыку, вокал, инструментал, каверы и изменение голоса. Остальные ИИ-инструменты лежат рядом, на 3gpt, если нужно срочно дописать текст или собрать обложку.

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, а пополнить баланс можно российской картой, через СБП или криптой.
Куда девать готовый трек, чтобы он не пылился в папке «Загрузки»
Самое частое применение: музыка для своих видео. Раньше на поиск трека без авторских прав уходили часы, теперь двадцать минут на генерацию и ноль страйков. Второе по популярности - подарок. Песня с именем и деталями биографии на свадьбу или день рождения работает лучше любого конверта, проверено.
Дальше идут демо для портфолио, шутки для соцсетей, фоновые треки для подкастов, гимны для маленьких сообществ и клубов. Релизы на стримингах тоже бывают, но там нужна лицензия и минимальная возня с дистрибуцией.
Отдельная история: люди, которые никогда не пели, вдруг начинают писать тексты. Раньше барьер входа был в другом: не умеешь играть - не будет песни. Сейчас умеешь формулировать - песня будет.
Сколько это стоит по времени и деньгам на самом деле
Первый трек: сорок-шестьдесят минут, из них двадцать на текст и промпт. Второй: пятнадцать. Пятый: восемь. Дальше вы просто знаете, какие слова дают нужный звук, и перестаёте перебирать.
Деньги: бесплатный лимит на пробу, дальше пакет от 149 рублей. Для человека, которому нужна одна песня в подарок, это цена чашки кофе. Для контент-мейкера с тремя роликами в неделю - несопоставимо дешевле стоковой музыки по подписке.
Студия всё ещё нужна там, где важна живая игра и характер записи. Но для восьмидесяти процентов задач, которые люди тащат в студию, хватает браузера и получаса времени.
С чего начать сегодня
Не с изучения теории и не с выбора «правильной» модели. Возьмите одну ситуацию из своей жизни, которая просит песни. Поездка, ссора, переезд, чей-то день рождения в субботу. Напишите восемь строк руками, соберите промпт по схеме выше и запустите генерацию.
Дальше станет понятно, чего вам хватает: клонированного вокала или своего. Это два разных решения, и оба рабочие. Главное - не сидеть в режиме выбора. Откройте генератор, вбейте идею и послушайте через две минуты, что получилось. Первый результат всегда смешной, третий уже слушабельный, а пятый вы покажете друзьям.