Нейросети для песен и музыки: стиль, структура трека и права

Короткий ответ: сервисы вроде Suno и Udio по одному описанию пишут слова, мелодию, аранжировку и вокал, а инструментальную подложку под ролик отдают за 3-5 минут. Бесплатный уровень даёт несколько генераций в сутки и запрет на коммерческое использование, платный от 30-35 BYN в месяц открывает права и снимает лимиты. На один пригодный трек уходит 5-15 дублей.

Две разные задачи под одним запросом: песня с вокалом и инструментал под видео

За словами «нейросеть для музыки» прячутся две задачи с разными требованиями, и путаница между ними стоит часов работы.

• Песня с вокалом. Нужен текст, который слышно и понятно, попадание в стиль и чистые окончания слов. Русский вокал даётся моделям тяжело, дублей уходит много, результат слушают целиком.
• Инструментал под ролик или подкаст. Вокала нет, и половина проблем исчезает. Нужны настроение, темп и отсутствие резких событий, которые перебьют речь. Пригодный вариант находится с третьей-шестой попытки.

Есть и третий вариант: текст уже написан, и его надо спеть. Это отдельный сценарий со своей разметкой, и решается он теми же сервисами, только слова вставляются в поле текста, а не сочиняются моделью.

Чем генерируют музыку: Suno, Udio, Riffusion и Stable Audio

Лимиты и тарифы у всех меняются по несколько раз в год, поэтому конкретные цифры генераций смотрят на сайте сервиса перед работой. Что не меняется — логика: бесплатно можно попробовать и послушать, зарабатывать на результате разрешает платный тариф.

Что писать в поле стиля: жанр, темп, инструменты, вокал, настроение

Поле стиля важнее текста. Именно оно решает, как трек звучит, и именно его переписывают между дублями.

Рабочее описание для песни: «инди-поп, средний темп около 100 ударов в минуту, акустическая гитара, мягкие барабаны, бас, женский вокал в среднем регистре, тёплое настроение, русский язык, чистая запись без искажений».

Рабочее описание для подложки под ролик: «спокойный инструментал, фортепиано и струнные, темп 80 ударов в минуту, ровная динамика без резких переходов, без ударных в первой половине, без вокала, настроение сосредоточенное».

1. Жанр — одно-два слова, не пять. Три жанра сразу дают усреднённую кашу.
2. Темп — числом в ударах в минуту или словом «медленный», «средний». Число работает точнее.
3. Инструменты — три-четыре штуки. Список из десяти сервис проигнорирует.
4. Вокал — мужской или женский, регистр, манера. Для инструментала пишется «без вокала», иначе он появится сам.
5. Чего быть не должно — отдельным списком: без ударных, без искажений, без электронных звуков. У части сервисов для этого есть отдельное поле исключений.

Описания стилей стоит сохранять в отдельный файл. Повторить понравившийся звук по памяти через месяц невозможно, а по записанному описанию — за две минуты.

Как разметить структуру трека: интро, куплет, припев, бридж, финал

Без разметки сервис сам решает, где припев, и решает не всегда удачно. Разметка ставится прямо в поле текста квадратными скобками, и английские пометки распознаются надёжнее русских.

Две вещи, которые ломают структуру чаще всего: припев, написанный один раз с пометкой «повторить», и лишний текст, который не влез в хронометраж и просто исчез. Припев вставляют дословно столько раз, сколько он должен прозвучать, а объём текста держат в пределах трёх-четырёх минут звучания.

Сколько длится сгенерированный трек и как получить ровно 30 секунд под ролик

Одна генерация обычно даёт 2-4 минуты. Дальше есть функция продления, которая дописывает трек с нужного места, у части сервисов общая длина доходит до восьми минут. Обратной задачи — «сделай ровно 28 секунд» — не решает ни один сервис: модель не считает время.

1. Сгенерируйте трек целиком и найдите в нём кусок с нужным настроением.
2. Режьте по границам частей, удобнее всего по началу проигрыша или припева.
3. Затухание в конце — 1-2 секунды, иначе обрезка слышна как обрыв.
4. Соберите короткую версию на 15 и на 30 секунд сразу: под сторис и рекламу нужны именно они.
5. Сохраните оригинал в лучшем доступном качестве. Повторить тот же трек генерацией не выйдет, два дубля по одному запросу всегда разные.

Чего генератор музыки не умеет: точный хронометраж, живой инструмент и повтор темы

• Попасть в хронометраж. Синхронизировать акцент с кадром на 12-й секунде придётся руками в монтаже.
• Повторить свою же тему. Сделать второй трек «в том же звучании, но другой» нельзя, получится похоже в лучшем случае.
• Отдать ноты. На выходе только звук, партитуры и MIDI сервисы обычно не дают.
• Спеть конкретным голосом. Имитация голоса существующего исполнителя запрещена правилами и вырезается фильтрами.
• Внятно спеть длинные русские слова. «Ответственность» и «сотрудничество» разваливаются, их меняют на короткие ещё в тексте.
• Свести под конкретную задачу. Громкость под речь диктора, частотную чистку и уровни всё равно выставляют в редакторе.

Кому принадлежит сгенерированный трек и что проверить перед сдачей клиенту

1. Тариф. Бесплатный уровень почти везде разрешает слушать и делиться, но не зарабатывать. Ролик с рекламой товара под такой трек — уже коммерческое использование.
2. Объём прав платного тарифа. У сервисов он разный: где-то права остаются, пока подписка активна, где-то сохраняются после отмены. Читать это надо до сдачи работы.
3. Чужой текст. Стихи известного автора и строки существующей песни вставлять нельзя, права на них не у вас и не у сервиса.
4. Загрузка чужого аудио. Функции продления чужого трека или переноса голоса используются только со своим материалом.
5. Выкладка в стриминг. Дистрибьюторы просят подтвердить права, часть площадок отдельно помечает музыку, созданную ИИ. Правила меняются, проверять их надо перед загрузкой.
6. Договор с клиентом. Прямо написать, что трек сгенерирован и на каком тарифе. Это снимает половину будущих споров.

Сколько стоит музыка в Беларуси и когда генерация оправдана

Генерация выигрывает там, где музыка не продукт, а оформление: подложка под ролик, тема для подкаста, поздравление коллеге, звук для рассылки. Живая запись остаётся там, где трек слушают как трек. Стоковая лицензия остаётся там, где цена ошибки в правах выше стоимости самой музыки, — в рекламе крупного бренда.

Как из генерации треков собрать услугу, а не разовые просьбы знакомых

Просьба «сделай песню на юбилей» приходит раз в квартал и денег не приносит. Услуга выглядит иначе: фиксированная цена, срок в один-два дня, два готовых дубля на выбор, короткая версия на 30 секунд в комплекте и понятный ответ клиенту про права. Как собирать такие услуги вокруг звука и видео и на чём тренироваться без заказчика, разбирается на странице курса для дизайнеров и видеомейкеров. Кому такой набор навыков подходит как новая специальность и что ещё в неё входит, кроме музыки, — на странице о смене профессии. Если непонятно, стоит ли за это браться, для этого есть бесплатный разбор на 20-30 минут.

Частые вопросы

Есть ли бесплатная нейросеть для создания музыки и песенДа, бесплатный уровень есть у Suno, Udio, Riffusion и Stable Audio: обычно это несколько генераций в сутки или пакет генераций в месяц. Ограничение почти везде одно и то же - треки с бесплатного тарифа нельзя использовать в коммерческих целях.

Может ли нейросеть написать песню без готового текстаМожет. Достаточно описания темы и стиля: сервис сам напишет слова, придумает мелодию, аранжировку и споёт. Текст выходит общим и без конкретики, поэтому под задачу с именами, датами и фактами его почти всегда переписывают вручную.

Сколько длится трек, сгенерированный нейросетьюОдна генерация обычно даёт 2-4 минуты. Длину наращивают функцией продления, отдельные сервисы доводят трек до 8 минут. Ровно 30 или 60 секунд под ролик не получить: нужный кусок вырезают и затухание делают вручную.

Как задать стиль музыки нейросетиПятью-семью конкретными словами: жанр, темп, инструменты, тип вокала, настроение, язык. Например «инди-поп, средний темп, акустическая гитара и мягкие барабаны, женский вокал, тёплое настроение, русский язык». Длинное литературное описание модель усредняет.

Можно ли использовать сгенерированную музыку в рекламеТолько если это разрешено тарифом сервиса, и условия надо прочитать до сдачи работы клиенту. На бесплатных тарифах коммерческое использование обычно закрыто, на платных открывается, но объём прав у сервисов разный.