Как сделать песню нейросетью: пошагово с нуля

Песню нейросетью можно собрать за один вечер: текст на 8–16 строк, сервис с вокалом и 5–10 генераций, чтобы выбрать приличный дубль. Ниже — шесть шагов от пустого поля до файла в папке проекта, готовые промпты и разбор того, почему русский вокал иногда звучит «кашей».

Все цены, лимиты и условия прав взяты из документации сервисов и открытых источников, сверка на 19.10.2026. Своих замеров мы не приводим: лаборатория каталога ещё не запущена.

Шаг 1. Сформулировать идею и написать текст

Песня начинается не с сервиса, а с текста. Нейросеть поёт то, что ей дали, и не исправляет неудобные строки: сложную рифму, длинную фразу, стечение согласных. Если текст не поётся ртом, он не споётся и моделью.

Для первого раза достаточно куплета на 4–8 строк и припева на 4 строки. На free-тарифе Suno это около 10 треков в день (50 кредитов), у Udio — около 3 песен (10 кредитов), так что экспериментировать на коротком тексте дешевле, чем на полной песне.

Как писать текст под генерацию:

• короткие строки, 5–8 слогов: длинные фразы вокал «съедает»;
• одна мысль на строку, без вложенных придаточных;
• простая точная рифма — сложную модель не вытянет;
• без латиницы и аббревиатур в середине строки;
• припев повторяется дословно, чтобы модель его запомнила.

Разметку секций — «[Intro]», «[Verse]», «[Chorus]», «[Bridge]», «[Outro]» — пишите сразу: это стандартный способ задать структуру. Поддержку тегов проверяйте на первой генерации: если сервис их не разбирает, он может просто спеть их вслух.

Шаг 2. Выбрать сервис под задачу

«Лучшего» сервиса нет, есть подходящий под задачу. Песню нейросетью делает не название, а совпадение трёх вещей: нужен ли вокал, нужен ли файл в проект и чем вы можете заплатить из России.

Подробные карточки с лимитами и ценами — Suno и Grom Zvuk, обзор рынка целиком — в подборке лучшие нейросети для музыки.

Шаг 3. Собрать промпт

Рабочая формула промпта: жанр и темп + инструменты + тип голоса + настроение + структура + чего избегать. Чем конкретнее описание, тем меньше дублей уйдёт в брак.

Стиль: эстрадный поп, 96 BPM, тёплая акустическая гитара, лёгкие струнные, женский вокал
Настроение: спокойное, светлое, без надрыва и без «стадионной» энергии
Структура: [Intro] [Verse] [Chorus] [Verse] [Chorus] [Bridge] [Chorus] [Outro]
Текст: восемь строк ниже, без изменений

Для инструментала промпт короче, но в нём обязательно должно быть «без вокала»:

Инструментал: lo-fi, 80 BPM, ночной город, пианино с пылью, мягкие барабаны,
без вокала, без резких переходов, ровная динамика для фона под видео

Если трек почти получился, не переделывайте его целиком — правьте точечно:

Тот же трек, но: вокал ближе к микрофону, отчётливее согласные,
темп на 4 BPM медленнее, припев начинается сразу с первой доли

Темп и тональность указывайте явно: BPM влияет на дикцию сильнее, чем кажется, а без темпа модель каждый раз выбирает его сама, и дубли не сравнимы между собой.

Шаг 4. Сгенерировать несколько вариантов

Одна генерация почти никогда не даёт финальный результат. Разумный первый заход — 4–6 дублей на один текст. Меняйте по одному параметру за раз, иначе непонятно, что повлияло.

Слушайте каждый дубль по одной схеме: первые 15 секунд, первый припев, последние 10 секунд. Если вокал «поплыл» в первом припеве, дальше слушать нечего — это структурный дефект, обработкой его не убрать.

Что отбраковывать сразу:

• слоги слиплись или съедены окончания;
• ударения стоят не на тех слогах;
• припев звучит как второй куплет;
• трек обрывается, не дойдя до конца.

Шаг 5. Исправить то, что не получилось

В сервисах с вокалом есть три разных инструмента правки, и путать их не стоит.

1. Перегенерация фрагмента (inpainting) — переписать только припев или только второй куплет, не трогая остальное.
2. Продление (extend) — дописать трек за пределы лимита длины; у Google Flow Music песни генерируются до 3 минут, у других сервисов предел зависит от модели.
3. Стемы — отдельные дорожки вокала, барабанов, баса и остального. Их сводят в DAW, подрезают, поднимают вокал относительно музыки.

Если строки вокала в порядке, но он тонет в аранжировке, помогает сведение, а не новая генерация. Финальную громкость выравнивают по LUFS: стриминговые площадки нормализуют треки, и для Spotify ориентир — около −14 LUFS, у других сервисов свои значения.

Замену вокала без перегенерации песни делает ACE Studio: там голос ставится по MIDI и тексту, как сессионный вокалист.

Шаг 6. Выгрузить файл и проверить его

Перед скачиванием проверьте лимиты: у Suno на Pro — 20 скачиваний в месяц, на Premier — 60, и кредиты не переносятся на следующий месяц. У Udio и Mubert лимиты скачиваний по тарифам в документации не раскрыты — уточняйте на странице цен.

Что проверить в готовом файле:

• длительность и обрезку на 0:00 и в конце;
• наличие водяного знака: у Google Flow Music он есть на всех треках (SynthID), у Suno, Udio, Mureka, ElevenLabs и Stable Audio — нет;
• формат и битрейт; если сервис отдаёт стемы, забирайте их сразу;
• права: на free-тарифах Suno, Udio, Stable Audio и Mubert использование некоммерческое.

Сохраните рядом с аудио текст, промпт и дату генерации. Через месяц вы не вспомните, какой дубль чем сделан, а права привязаны к тарифу на момент генерации.

Как получить разборчивый русский вокал

Русский вокал — самая частая причина брака. Семь приёмов, которые помогают чаще всего:

1. Укоротите строки до 5–8 слогов и уберите стечения согласных на стыках слов.
2. Уберите из строки больше двух-трёх слов подряд: плотность текста и есть «каша».
3. Просите конкретный тип голоса — «женский альт, близко к микрофону», а не «красивый вокал».
4. Снизьте темп на 4–8 BPM: на быстром темпе слоги слипаются, на медленном дикция чище.
5. Разметьте секции тегами — структура держит вокал в границах фраз.
6. Делайте 4–6 дублей на один и тот же текст: разброс качества между дублями больше, чем между сервисами.
7. Если не помогает — смените схему: сгенерируйте инструментал и поставьте вокал отдельно в ACE Studio по нотам и тексту.

Отдельно про выбор сервиса: по документации хорошо поёт по-русски Suno, у Grom Zvuk русский вокал указан как основная функция, Udio и Mureka заявляют мультиязычный вокал. Сравнение по этому параметру — в разделе сравнение русского вокала.

Частые ошибки

• Промпт без жанра и темпа. «Сделай красивую песню» — это лотерея; жанр, BPM и тип голоса задают половину результата.
• Менять всё сразу. После пяти изменений невозможно понять, что сработало.
• Длинный текст на free-тарифе. Кредиты кончаются на середине, а некоммерческое ограничение остаётся.
• Ждать коммерческих прав от бесплатного тарифа. У Suno, Udio, Stable Audio и Mubert free — только некоммерческое использование.
• Лечить «кашу» эквалайзером. Если слоги слиплись на генерации, обработка это не исправит.
• Не сохранять текст и промпт. Без них нельзя ни перегенерировать, ни доказать, на каком тарифе сделан трек.

Частые вопросы

Сколько времени занимает первая песня?

Зависит от числа дублей и от того, насколько быстро вы сформулируете промпт. Первый трек обычно растягивается на вечер: половина времени уходит на подбор описания и отбраковку вариантов, а не на саму генерацию.

Можно ли сделать песню полностью бесплатно?

Да, на free-тарифах: Suno даёт 50 кредитов в день (около 10 треков), Udio — 10 кредитов (около 3 песен), Google Flow Music — ежедневные кредиты без привязки карты. Ограничение не в количестве, а в правах и лимитах скачивания: у большинства сервисов бесплатный результат нельзя использовать коммерчески.

Нужен ли зарубежный доступ и зарубежная карта?

Зависит от сервиса. Suno, Udio, Mureka, ElevenLabs и Stable Audio не принимают карты РФ — платить приходится через посредников или зарубежной картой. Grom Zvuk, «Сингл», SunoMix и MVSEP заявляют оплату российскими картами. Разбор по сервисам — в разделе работа из России; варианты оплаты разобраны отдельно.

Хватит ли четырёх строк текста?

Нет. Нужен минимум куплет и припев: на четырёх строках модель либо зациклит фразу, либо дотянет трек повторами. Полноценная заготовка — 8–16 строк.

Дальше по теме: методика, по которой мы будем проверять сервисы.

Обновлено: 19 октября 2026