За последний год мне десятки раз писали в личку с одним и тем же вопросом: можно ли сделать нормальную песню прямо в Telegram, без регистраций, карт и вкладок браузера. Можно. И часто бот удобнее веб-сервиса: телефон под рукой, переключаться никуда не нужно, готовый трек приходит в чат пушем.
Нюанс в другом. Половина ботов обещает «Suno внутри», а на выходе либо десятисекундный огрызок, либо счёт за подписку после первого трека. Разберу, как это работает изнутри, где реально получается звук уровня живых исполнителей и почему у меня в закладках висит один конкретный сервис.
Что происходит после команды /start
Пользователь видит простой сценарий: написал тему, выбрал жанр, получил mp3. Внутри прогоняется цепочка из нескольких моделей. Сначала текст: либо вы его присылаете, либо нейросеть сочиняет по описанию. Потом композиция: аранжировка, аккорды, ритм-секция. Дальше вокал. На финале сведение: голос сажают в микс, добавляют реверб, убирают щелчки.
Каждый этап может быть своей моделью. Кто-то берёт один движок за основу композиции и другой за вокал, кто-то гоняет всё через единую сборку. Отсюда разброс в качестве: у одного бота припев звучит как запись в студии, у другого голос будто из телефонного автоответчика 2008 года.
Скорость зависит от архитектуры. Трек на минуту-полторы генерируется за 40-90 секунд, если идея сформулирована. При высокой нагрузке на серверы ожидание растягивается до двух минут. Это не баг, это очередь.
Бот не «понимает» музыку так, как её понимает человек. Он предсказывает, какие звуки логично идут следующими, опираясь на обучающую выборку. Поэтому в промпте работает не «сделай красиво», а конкретика: инструменты, темп, настроение, тип голоса. На Reddit в тредах про ИИ-музыку это формулируют короче: модель не угадывает вкус, она достраивает статистику.
Первый трек за пять минут: что писать боту
Самая частая ошибка новичка - отправить в чат одно слово «песня». Модель получит почти нулевой контекст и выдаст усреднённый результат без характера. Нормальный промпт содержит три вещи: тему, настроение и желаемое звучание.
На практике это выглядит так.
01 / Идея. Задайте направление. Опишите тему, настроение и жанр. К примеру: «грустный инди-рок о переезде из родного города, женский вокал, темп медленный, гитары с ревербом». Это уже не «песня», а бриф, по которому можно работать.
02 / Слова. Добавьте текст или сюжет. Пришлите готовые стихи целиком либо несколько строк и набор образов, остальное модель допишет. Уточните имена, язык, важные детали. Если песня для конкретного человека, вставьте его имя в текст: получится заметно теплее, чем безликое поздравление.

Дальше самый быстрый сценарий: отправили промпт, подождали минуту, послушали два варианта. Попали в настроение - скачиваете. Нет - правите одну деталь в описании и генерируете снова. На первый нормальный трек у меня уходило 4-5 попыток, сейчас обычно хватает двух.
Где боты сыпятся: три проблемы, о которых не пишут в описании
Первая - вокал. Синтез голоса давно перестал звучать как Google Translate, но разница между движками слышна невооружённым ухом. Дешёвые сборки дают ровный «пластиковый» тембр без дыхания и микрофразировки. Хорошие модели добавляют придыхание, лёгкую хрипотцу, живую атаку нот. На колонках это слышно с первых секунд.
Вторая - текст. Нейросеть может переставить ударение, проглотить слог или спеть «замок» вместо «замок». Проверяйте припев на слух, а не на глаз. Если строка жизненно важна (имя, дата, название компании), проговорите её отдельно в промпте или разбейте на короткие фразы.
Третья - лимиты. Бесплатные тарифы почти всегда урезаны: две-три генерации, водяной знак, пониженное качество или очередь на сутки. Платите вы в итоге не за трек, а за попытки угадать, какой промпт сработает. У сервиса с понятной ценой проще: сделали пять версий, выбрали лучшую, остальное в корзину.
Что я держу под рукой, когда нужен трек, а не эксперимент
После десятка перепробованных ботов я остановился на Suno через 3seller. Причина простая: результат звучит как запись живых музыкантов, а не как демо нейросети. Вокал с дыханием, аранжировка с динамикой, микс не разваливается на нормальных наушниках. Пару раз отправлял такие треки знакомым без пометки «сделано ИИ» - вопросов не возникло.
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, для готовой композиции с вокалом это дешевле чашки кофе в центре Москвы. Пополнить баланс можно российской картой, через СБП или криптой.
Остальные ИИ-инструменты, которыми пользуюсь, собраны тут: 3gpt. Там генерация текста, озвучка и всё, что нужно вокруг трека: обложка, описание, посты для соцсетей.
Промпт важнее модели: пять деталей, которые меняют результат
Даже топовая модель выдаст посредственность, если её не направлять. Вот что реально влияет на результат.
Темп. Указывайте BPM прямым числом. 70-80 - баллады, 90-110 - поп и соул, 120-130 - танцевальные и хаус, 140+ - рэп и драм-н-бейс. Без цифры модель угадывает, и часто мимо.
Структура. Пропишите её словами: «куплет, припев, куплет, припев, бридж, финальный припев». Иначе трек может закончиться на середине или уйти в бесконечный повтор.
Инструменты. «Акустическая гитара, виолончель, лёгкие ударные» работает лучше, чем «что-то грустное». Модель понимает названия инструментов и жанровые ярлыки.
Тип вокала. Мужской, женский, дуэт, хор, шёпот, фальцет. С акцентом или без. На русском или английском.
Настроение и референс. «Тёплое, как летний вечер на даче» или «холодное, как финальные титры триллера». Модели обучены и на описаниях эмоций, и на жанровых маркерах.
Пример рабочего промпта, который дал предсказуемый результат: «Русскоязычная поп-баллада, женский вокал с лёгкой хрипотцой, 78 BPM, пианино и струнные в куплете, полный аккомпанемент в припеве, структура куплет-припев-куплет-припев-бридж-припев, настроение светлой грусти». С таким брифом бот почти не ошибается.
Голосовое сообщение как промпт: ленивый, но рабочий способ
Многие боты принимают не только текст, но и голосовые. Надиктовали настроение и тему, система сама интерпретирует запись как описание для генерации. Звучит как маркетинг, а на деле работает: живая речь несёт интонацию, и модель вытаскивает из неё эмоцию лучше, чем из сухого текста.
Пользуюсь этим, когда идея ещё сырая и формулировать её письменно лень. Наговариваю тридцать секунд про то, какой должна быть песня, отправляю, получаю черновик. Дальше правлю текстом - быстрее, чем сразу писать длинный промпт.
Если трек получился не тем
Первая генерация редко попадает в точку, и это нормально. Не переписывайте промпт целиком - меняйте одну переменную за раз. Не тот темп - поменяйте BPM. Не нравится вокал - смените пол голоса. Слабый припев - добавьте в описание «мощный, многослойный припев с бэками».
Большинство ботов и сервисов дают сделать ремикс или перегенерировать отдельный фрагмент. Экономия времени огромная: вместо нового трека с нуля вы правите один кусок. Иногда достаточно поднять темп на пять единиц, чтобы трек ожил.
Не оценивайте результат на телефонном динамике. Половина ощущения «робот» возникает потому, что низ и верх смазаны, а середина выпирает. Нормальные наушники или колонка сразу показывают, где микс разваливается, а где всё в порядке.
Жанры: где ИИ звучит как живой, а где пока нет
Поп, инди, рок, электроника, хип-хоп, баллады - нейросеть уверенно выдаёт результат, который не отличить от студийной записи. Плотный микс, стандартная структура, предсказуемая гармония: всё это модели выучили отлично.
Сложнее с джазом и классикой. Импровизационные переходы, нестандартные размеры, живые «ошибки» музыкантов - этого пока мало. Модель играет слишком правильно, и знаток слышит разницу. Для фона сойдёт, для альбома - нет.
Русский рэп и шансон получаются на удивление неплохо. Проблема в тексте: специфический сленг и местные отсылки модель вытягивает не всегда. Здесь лучше писать лирику самому и подсовывать её боту вместе со стилем.
Песня для повода: где это выстреливает
Дни рождения, свадьбы, корпоративы, поздравления коллегам. Раньше на такой заказ искали музыканта, ждали неделю и платили десятку. Сейчас это пятнадцать минут и тариф на пару треков.
Отдельная история - контент. Короткие видео в Reels, TikTok, Shorts требуют уникального звука, иначе алгоритм режет охват за повторяющийся аудиотрек. Сгенерированный бит под конкретный ролик решает проблему за минуту.
Недооценённый сценарий - демо для музыкантов. Набросать аранжировку, чтобы показать группе идею, проще в боте, чем собирать в DAW. Дальше можно переписывать живьём, с гитарами и барабанами.
Текст, ударения и ловушки русской лирики
Русский язык для ИИ-вокала сложнее английского. Длинные слова, свободный порядок ударений, куча омонимов. Модель может спеть «стоит» вместо «стоит» и не заметить подмены.
Что помогает. Пишите короткие строки - длинные фразы вокалист «проглатывает». Ставьте ударные слоги ближе к концу строки, так модель легче угадывает ритм. Избегайте скоплений согласных в припеве, иначе получите кашу на выдохе.
Если строка критична, продублируйте её в промпте отдельно: «в припеве обязательно строка: <текст>». Работает не всегда, но шансы повышает заметно.
Бот или сервис: что выбрать под свою задачу
Нужен быстрый трек здесь и сейчас, без регистрации и с минимумом настроек - берите бота. Он живёт в мессенджере, всегда под рукой, первые попытки часто бесплатны. Для музыкальной шутки, короткого поздравления или демо этого хватает.
Нужен результат, который не стыдно выложить в плейлист, отправить заказчику или поставить в соцсети - идите в сервис с нормальным движком и внятной ценой. Разница в вокале и миксе слышна с первого прослушивания, и она стоит этих 149 рублей.
Начните с простой идеи в Suno на 3seller, сделайте первый трек, послушайте на нормальных наушниках. Понравилось - усложняйте промпт, добавляйте структуру, играйте с жанрами. Через пару вечеров вы начнёте слышать, что именно нужно поправить, и это уже половина навыка продюсера.
Дальше удивитесь, как быстро песня из разряда «прикольная игрушка» переходит в разряд рабочего инструмента. У меня в папке лежит пара десятков треков под разные задачи: фон для роликов, демо, подарки. Ни один не сделан дольше чем за двадцать минут.