3SELLER Journal 3SELLER →

В каком искусственном интеллекте можно создать песню: 200 треков, 10 сервисов и тест на 30 секунд

20.11.2026

За два года я сгенерировал около двухсот треков. От джингла для рекламного ролика про ремонт техники до поздравительной песни для тёщи, которую она до сих пор пересылает в семейном чате. Перебрал десяток сервисов, наступил на все грабли и вывел для себя один критерий. Вопрос «в каком искусственном интеллекте можно создать песню» решается не таблицей сравнения фич, а простым тестом: включаете результат в колонках, а не в наушниках, и через тридцать секунд слышите, живой это трек или MIDI-караоке из 2003-го.

Ниже - что происходит внутри модели, по каким признакам отсеивать сервисы и на чём я в итоге остановился.

Нейросеть не сочиняет музыку, она предсказывает звук

Все современные генераторы устроены плюс-минус одинаково. Модель обучена на огромном массиве аудио и предсказывает следующий фрагмент спектрограммы. Не ноты, не аккорды, не партитуру, а именно кусок звуковой волны. Отсюда растут и сила, и слабость.

Сила в том, что на выходе сразу готовый микс: барабаны, бас, гитары, синтезаторы и вокал уже сведены между собой. Работы со звуком не требуется никакой, а для человека без музыкального образования это огромный подарок. Слабость в том, что модель не понимает драматургию. Ей всё равно, что на втором припеве хорошо бы добавить подъёма, а на бридже сбросить напряжение. Она предсказывает усреднённо красиво.

Отсюда первый практический вывод. Треки длиннее четырёх-пяти минут почти всегда разваливаются: модель начинает повторяться, теряет тему, вокал уплывает по интонации. Рабочая длина - полторы-три минуты. Для соцсетей, рекламы и подкастов этого хватает с головой, для полноценного альбома придётся собирать из кусков.

И деталь, которую замечаешь только на мониторах. Верхний регистр у большинства моделей шипит: тарелки звучат как белый шум, шипящие в вокале вылезают вперёд. На телефоне не слышно, в машине слышно. Если трек идёт в эфир, потом всё равно нужен де-эссер и срез на 12-14 кГц.

На входе нужны не ноты, а внятное описание

Главный страх новичка звучит так: я же не музыкант, что мне писать в поле промпта. Ничего музыкального писать и не надо. Модели нужен текст примерно как официанту заказ: что за блюдо, насколько остро и без чего.

Рабочая структура описания: жанр, темп в BPM, настроение, набор инструментов, тип вокала, язык и эпоха звучания. Шесть пунктов, каждый по паре слов. Проверено на практике. Запрос «женский вокал, 92 BPM, инди-поп с гитарой и синтезатором, светлая грусть, реверберация как в конце восьмидесятых» выдаёт совсем другой результат, чем просто «грустная песня».

Чего делать не стоит - перечислять десять жанров одновременно. «Хочу джаз, рэп и симфонический метал» даст кашу, потому что модель честно попытается вместить всё сразу. Один жанр плюс один модификатор. «Хип-хоп с элементами джаза» - нормально. «Хип-хоп, джаз, блюз, фанк, босанова» - нет.

Русский вокал, вот где отваливается половина сервисов

На русском я и отбраковывал инструменты. Английский текст любая приличная модель поёт сносно. С русским начинается цирк: ударения съезжают, «я» превращается в «йа», мягкий знак модели неведом, а к концу строчки появляется отчётливый акцент человека, который выучил язык по фильмам с субтитрами. На Reddit в ветках про ИИ-музыку то и дело всплывает один и тот же тест: прогнать через модель строчку с «ё» и мягким знаком. Английский она тянет, на «ё» спотыкается.

Для меня это стало фильтром номер один. Мне нужны песни на русском, для русской аудитории, без клоунады. Выбор тут сужается буквально до пары вариантов, где над фонетикой поработали отдельно, а не просто прогнали модель на мультиязычном датасете.

Поэтому я остановился на 3seller.com/suno. Русский вокал идёт без акцента, ударения расставляются по тексту, а не по наитию, и разница слышна с первых секунд, а не на третьем прослушивании в наушниках. Плюс открыты профессиональные инструменты для тех, кому нужно докрутить результат руками, а не довольствоваться первым дублем.

Как я генерирую трек: четыре шага и пятнадцать минут

Показываю на живом примере. Задача: джингл на 40 секунд для канала про ремонт техники. Заказчик хотел «бодро, но не попса».

Шаг первый - идея. В поле описания ушло: «бодрый инди-рок, 125 BPM, мужской вокал, электрогитара с лёгким овердрайвом, чуть гаражного шума, настроение - утренний подъём и уверенность». Тридцать секунд на написание.

Шаг второй - слова. Две строчки куплета и припев, восемь строк всего. Не Пушкин, но ритм держат. Ключевой момент: заранее пометить, где куплет и где припев. Иначе модель начнёт петь припев с первого такта, и все сорок секунд выйдут однородными, как реклама сковородки.

Шаг третий - генерация. Нажал, получил четыре варианта. Первый и четвёртый пошли в работу, второй был смазан по ритму, третий уехал в ту самую попсу, которую просили не делать.

Шаг четвёртый - правка. Срезал лишний хвост, оставил 38 секунд, приглушил шипящие. Всё. От идеи до готового mp3 пятнадцать минут, из которых десять ушло на текст.

Цена вопроса - от 149 рублей. Для сравнения: аранжировщик за такой же джингл просит от 8 тысяч, а студия с сессией вокалиста легко уходит за 25. Вот и вся экономика, без магии.

Создание песни с помощью искусственного интеллекта

Как создать песню с помощью ИИ

Создайте любую песню, какую только можете представить. Начните с простой идеи или сразу откройте профессиональные инструменты - ваш следующий трек уже близко. Сделать ИИ-песню можно и без готовой композиции: достаточно сформулировать, о чём она и какое настроение должна передавать.

01 / ИДЕЯ. Задайте направление: опишите тему, настроение и желаемое звучание. Подойдёт 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.

Пополнить баланс можно российской картой, через СБП или криптой. Остальные ИИ-инструменты, не только музыкальные, собраны на 3seller.com/3gpt.

Что отличает рабочий сервис от красивого лендинга

За два года у меня сложился короткий чек-лист. Проверяю любой новый генератор по нему, и большинство отсеивается на втором пункте.

Отдельно про бесплатные тарифы. Бесплатно почти всегда означает очередь, короткий фрагмент и запрет на коммерческое использование. Для «попробовать» этого достаточно, для клиентской работы - нет.

Где ИИ уже отбивает деньги, а где пока нет

Самый очевидный сценарий - фоновое аудио для видео. Раньше я платил за библиотеки royalty free, теперь генерирую под конкретный ролик. Темп, длина и настроение подгоняются точно, а не «примерно похоже».

Дальше идут подарки. Песня с именем человека, с шутками про его кота и работу, работает как удар в челюсть, потому что такого не ждёшь. Проверял на трёх днях рождения. Реакция каждый раз одинаковая: сначала смех, потом вопрос «а как ты это сделал».

Реклама и малый бизнес. Джингл для точки на районе, музыка для сторис, звук для автоматической линии колл-центра. Тут важен не вкус, а скорость и отсутствие проблем с правами.

Контент для блогеров. Если у вас ежедневные выпуски, уникальная подложка под каждый становится вопросом узнаваемости, а не экономии.

Отдельная история - те, кто зарабатывает на музыке через стриминги. Технически всё работает, дистрибуция через агрегаторы тоже, но дальше начинаются политики платформ и маркировка. Об этом ниже.

Где ИИ до сих пор спотыкается

Не хочу продавать магию. Есть вещи, которые модель делает плохо, и я не нашёл способа это обойти.

Сложные размеры. Семь восьмых, нестандартная ритмика, джазовые сбивки. Модель съезжает в четыре четверти почти всегда. Для поп-музыки норма, для чего-то посложнее уже нет.

Длинная форма. Композиции на пять минут с развитием темы, инструментальным проигрышем и кодой - редкость. Собирать приходится вручную из нескольких генераций, склеивая по тактам и подгоняя тональность.

С живой подачей хуже всего. Тот самый момент, когда вокалист срывается на последней строчке и мурашки бегут. Модель умеет изображать эмоцию, но не переживает её. Разницу слышно именно в тихих местах, где нечем прикрыть.

Юмор и каламбуры. Текстовые модели отлично пишут правильные стихи и отвратительно шутят. Если нужен панчлайн, придумывайте сами и вставляйте руками в готовый текст.

Текст песни, а не только промпт

Половина результата - это слова. Причём не их смысл, а ритм. Модель поёт текст так, как он ложится на сетку. Если в строке семнадцать слогов, она начнёт их проглатывать и комкать окончания.

Практическое правило: держите строки примерно равной длины. Четыре-восемь слогов в куплете, шесть-восемь в припеве. Не пишите длинные подчинённые конструкции с деепричастными оборотами, на вокале они превращаются в кашу.

И отдельно про разметку. Куплет, припев, бридж, инструментальный проигрыш - всё лучше помечать прямо в тексте. Сервис без разметки угадывает сам и почти всегда ошибается, начиная с припева и заканчивая им же.

Несколько строк-образов работают лучше, чем готовый текст на три куплета. Модели проще, когда ей дают направление, а не когда дают всё.

Права и дистрибуция, скучная часть с последствиями

Момент, который большинство пропускает. Сгенерированный трек можно слушать, ставить в видео и дарить, но с монетизацией на стримингах всё хитрее. У крупных площадок политика меняется: где-то просят маркировать ИИ-контент, где-то ограничивают попадание в редакционные плейлисты.

Второй момент - претензии по сходству. Если в промпте написать «в стиле» конкретного артиста, это уже не вопрос вкуса, а риск. Модель обучена на реальной музыке, и совпадение с известным треком бывает пугающим. На vc.ru в разборах ИИ-музыки авторы предупреждают об этом же: промпт с фамилией - самый быстрый путь к претензии. Для коммерческого проекта берите стилевые маркеры: «женский вокал, средний темп, электропоп конца двухтысячных» вместо конкретного имени.

Третий момент - лицензия конкретного сервиса. Для рекламных и клиентских проектов условия стоит проверить заранее, чтобы потом не переделывать пачку роликов.

С чего начать прямо сейчас

Самый короткий путь - перестать читать сравнения. Возьмите идею, которая давно крутится в голове, напишите три строки текста и промпт из шести пунктов. Нажмите кнопку.

Если получается плохо, дело почти всегда в описании, а не в модели. Добавьте конкретики: BPM, инструмент, тип вокала, настроение. Уберите лишние жанры. Пометьте структуру в самом тексте.

Дальше сравните вслепую: два своих дубля и один трек живой группы похожего жанра. Если не отличили, вы нашли свой инструмент. У меня этот тест стабильно проходит 3seller.com/suno, на нём и остановился. Создайте любую песню, какую только можете представить: начните с простой идеи или сразу откройте профессиональные инструменты. Цена от 149 рублей за трек, и это дешевле одного часа студии.

Первый трек займёт минут пятнадцать. Второй уже пять. К пятому вы начнёте слышать, что именно надо поменять в промпте, чтобы получить нужное, а не «ещё раз примерно так же». Вот тогда и начнётся творчество, а не тестирование кнопок.

← Вернуться к блогу

Читать дальше