Первый раз я попросил нейросеть написать текст песни пару лет назад. Получилось складно: рифмы на месте, строки ровные, ритм одинаковый. И абсолютно мёртво. Я прочитал вслух и понял, что петь это не буду никогда. Проблема была не в модели. Проблема была в том, что я дал ей запрос уровня «напиши песню о любви» и ждал чуда.
С тех пор через меня прошло несколько сотен сгенерированных текстов. Часть стала реальными треками, часть улетела в корзину через тридцать секунд. Ниже то, что я вытащил из этого опыта: как формулировать запрос, где модели стабильно врут, и как за вечер довести черновик до состояния, когда его не стыдно включить людям.
Разница между стихотворением в столбик и текстом, который поётся
Модель обучена на огромном корпусе песен. Она отлично знает форму: куплет, припев, бридж, повтор ключевой фразы в конце. Форму она воспроизводит идеально. А содержания у неё нет, потому что содержания не было в запросе.
Дальше начинается главная путаница. Люди получают текст, читают его глазами, видят рифмы и решают, что всё хорошо. А потом пытаются спеть и спотыкаются на каждом втором слове. Потому что текст песни живёт не в глазах, а в дыхании. Строка должна укладываться в один вдох. Ударные слоги должны падать туда, куда потом ляжет бочка.
Нейросеть этого не чувствует. Она не слышит. Она предсказывает следующее слово по вероятности, и если вы не задали сетку, она выдаст вам стихи в столбик с ударениями, которые ломают любой грув.
Четыре параметра, без которых запрос превращается в лотерею
Я перестал верить в удачу после десятого провального запроса и собрал минимальный набор вводных. Работает безотказно.
Первое: жанр с уточнением. Не «рок», а «русский инди-рок, куплет почти шёпотом, припев на крике, барабаны сухие». Не «рэп», а «андерграундный бум-бэп, плотный флоу, много внутренних рифм». Чем конкретнее жанровая картинка, тем меньше модель тянет в усреднённый поп 2010-х.
Второе: настроение и точка зрения. От первого лица или от третьего? Это обращение к конкретному человеку или внутренний монолог? Есть ли адресат, к которому герой приходит в третьем куплете? Одна эта деталь меняет текст сильнее, чем десять дополнительных прилагательных.
Третье: длина строки. Скажите прямо: восемь слогов в строке, четыре строки в куплете, рваный ритм, вторая строка короче первой. Модели нормально держат слоговую сетку, если им её назвать. Без этого они скачут от пяти слогов к пятнадцати внутри одного четверостишия.
Четвёртое: стоп-лист. Перечислите слова, которые видеть не хотите. У меня в стоп-листе живут «душа», «судьба», «навсегда», «пустота», «огонь внутри». На Reddit в ветках про ИИ-лирику авторы отмечают ту же проблему: без стоп-листа «душа», «судьба» и «навсегда» приползают в каждый второй текст, потому что это самые вероятные слова в корпусе лирики.
Структура, которую модель понимает без объяснений
Форму лучше задать руками, в самом промпте. Тогда модель не начнёт сама решать, где поставить бридж, и не выдаст восемь куплетов подряд.
- Куплет 1: четыре строки, вводит место и героя, без объяснения чувств
- Предприпев: две строки, нарастание, короткая фраза-крючок
- Припев: четыре строки, одна фраза повторяется дважды, самая простая лексика во всём тексте
- Куплет 2: четыре строки, новая деталь, а не пересказ первого
- Бридж: две или три строки, смена ритма, можно почти без рифмы
- Финальный припев: тот же текст, можно с одной изменённой строкой в конце
Скелет, а не догма. Не дали его - готовьтесь к тексту, где припев ничем не отличается от куплета. А к четвёртому абзацу герой забудет, о чём вообще песня.
Мой рабочий промпт целиком
Выглядит он скучно и длинно. Зато даёт результат с первого или второго прогона.
«Напиши текст песни на русском. Жанр: тёмный синт-поп с женским вокалом, куплет сдержанный, припев широкий. Тема: человек возвращается в город, где вырос, и понимает, что его там больше не ждут. Точка зрения: первое лицо, обращение к самому себе. Сетка: восемь слогов в строке, куплет четыре строки, припев четыре строки с повтором последней фразы. Настроение: усталость без истерики. Не используй слова: душа, судьба, навсегда, пустота, огонь. Не объясняй эмоции напрямую, показывай через предметы: остановка, ключи, вывеска, дождь на стекле. Дай куплет, предприпев, припев и бридж».
Всё. Дальше модель выдаёт черновик, в котором уже есть картинка и уже есть ритм. Переписывать всё равно придётся. Но две строки из двенадцати это совсем другая работа, чем двенадцать из двенадцати.
Три вещи, которые нейросеть делает стабильно плохо
Глагольные рифмы. «Сказать - понять», «забыть - любить», «идти - найти». Их модели обожают, потому что они самые частые в корпусе. На слух это сразу выдаёт машинный текст, как водяной знак. Проверяйте каждую пару: если рифмуются два инфинитива, меняйте один.
Перебор метафор. В одном четверостишии у модели спокойно живут маяк, компас, пепел, рассвет и разбитое стекло. По отдельности красиво, вместе каша. Я обычно оставляю одну метафору на куплет, остальное перевожу в бытовые детали: билет, ключи, недопитый чай, трещина в асфальте.
Потеря сюжета к третьему куплету. Модель хорошо держит настроение и плохо держит историю. К середине она забывает, что герой вообще-то ехал на поезде, и начинает петь про абстрактный свет в конце тоннеля. Лечится просто: в промпте распишите, что происходит в каждом куплете. Одна строка на куплет достаточно.
Черновик почти всегда надо переписывать руками
Меня часто спрашивают, сколько процентов текста остаётся от нейросети. У меня в среднем половина. Первые две строки куплета обычно живые, дальше начинается вода, и её надо вычёрпывать.
Что я делаю почти механически. Убираю прилагательные, которые просто украшают. Вместо «невыносимо прекрасный закат» оставляю «закат» или «мокрый асфальт». Проверяю, есть ли в тексте хотя бы один конкретный предмет, который можно потрогать. Смотрю, повторяется ли ключевая фраза припева ровно столько раз, сколько нужно, чтобы зацепиться, но не настолько, чтобы стало тошно. Читаю вслух и режу всё, на чём язык спотыкается.
И главное. Нейросеть не знает вашей истории. Если у вас есть реальная деталь, реальное имя, реальная улица, вставьте её сами. Одно точное слово из вашей жизни стоит десяти красивых абстракций от модели.
Проверка на «поётся»: три минуты перед генерацией
Прочитайте текст вслух, отбивая ритм рукой по столу. Если на каком-то слове рука сбивается, слово лишнее. Если в строке больше десяти слогов и вы не успеваете её пропеть на одном выдохе, строка длинная.
Дальше отметьте ударные слоги в первых двух строках каждого куплета. Они должны совпадать по позиции. Это скучная механическая работа, но именно она отличает текст, который поётся, от текста, который просто читается красиво.
И последнее. Прочитайте припев отдельно, без куплетов. Если он не работает сам по себе, как отдельная фраза, которую хочется повторить, значит припева у вас пока нет.
Текст готов. Дальше начинается то, из-за чего всё затевалось
Раньше между «написал текст» и «услышал песню» лежали месяцы. Композитор, аранжировщик, сессионный вокалист, студия, сведение. Сейчас этот разрыв схлопнулся почти до нуля, и это меняет правила игры сильнее, чем любая нейросеть для рифм.
На 3seller.com/suno вы вставляете готовый текст, выбираете жанр, тембр голоса, настроение и темп, и через минуту слушаете трек с вокалом. Не болванку, не минусовку под караоке, а полноценную песню, где голос попадает в мелодию и в ритм. Я гонял там тексты под рваный инди и под прямой поп. В обоих случаях результат звучал как живой исполнитель, а не синтезатор речи с автотюном.
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.
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.

Удобно, что не нужно выбирать между «сначала долго писать текст» и «сначала долго искать музыку». Можно начать с трёх строк, которые у вас уже есть в заметках, и послушать, как они звучат в четырёх разных жанрах. Обычно после этого становится понятно, что в тексте работает, а что нет. Самый быстрый способ проверить черновик, который я знаю.
Что с правами и коммерцией
Тут я не юрист и не буду делать вид, что разбираюсь в тонкостях законодательства разных стран. Скажу практическое: условия использования у каждого сервиса свои, и их надо читать перед тем, как запускать песню в рекламу или в монетизацию на стриминге. Разные платформы по-разному описывают, что можно делать с результатом на бесплатном тарифе и что на платном.
Отдельный момент: не просите модель писать «в стиле конкретного исполнителя» и не вставляйте в промпт куски чужих текстов. Формулируйте через характеристики звучания, а не через имена. Юридически чище, и результат интереснее: модель не пытается копировать, а собирает своё.
С чего начать сегодня
Не пытайтесь сразу написать песню года. Возьмите одну строку, которая давно крутится в голове, добавьте к ней жанр, настроение и сетку из восьми слогов. Получите черновик. Перепишите две строки, которые не звучат. Вставьте в генератор и послушайте.
Первый трек, скорее всего, выйдет так себе. Второй будет лучше. К пятому вы начнёте слышать, где модель врёт, ещё до того, как нажмёте кнопку. А весь список инструментов для работы с ИИ, включая этот, лежит на 3seller.com/3gpt.