Какая нейросеть напишет саундтрек к вашему фильму или игре?

Вот музыкальный список к пятнадцатиминутной короткометражке, какой режиссёр набрасывает в заметках телефона за неделю до сдачи на фестиваль:

1M1  Титры              0:00-0:40   одинокое пианино, без мелодии
1M2  Дача, утро         1:30-2:50   тёплые струнные, почти не слышно
1M3  Ссора на кухне     4:10-5:00   низкий пульс, который сжимается
1M4  Электричка         7:20-9:00   нарастание ровно к 8:41 (гудок)
1M5  Финальные титры    13:30-15:00 песня, со словами, поёт женский голос

А вот такой же список к небольшой пиксельной игре:

Главное меню         играет, пока игрок сидит в настройках
Фон исследования     крутится по двадцать минут и не должен надоесть
Боевой слой          вступает точно в долю поверх фона
Победа               четыре секунды
Песня на титры       с вокалом, три минуты

Ни одна нейросеть не закроет ни тот, ни другой список целиком. Одни сервисы хорошо делают длинный тихий фон. Другие отдают дорожки по отдельности, и их можно включать и выключать. Пара сервисов споёт песню на титры. И почти никто не попадёт нарастанием в гудок электрички на 8:41, потому что это работа монтажа, а не генерации. Поэтому полезный вопрос звучит не «какая нейросеть лучше», а «какую строчку моего списка закрывает этот сервис и что делать с остальными».

Луп, кью и песня: три разных заказа

Прежде чем сравнивать сервисы, разложите список на три стопки. Каждый инструмент негласно заточен под одну из них.

Луп нужен играм. У него нет начала и конца в музыкальном смысле, он повторяется по кругу и справляется с задачей, когда на сороковом проходе его никто не замечает. Трек, который копит напряжение к кульминации, в луп не годится, как бы хорошо он ни звучал в первый раз.

Кью (так в кино называют отдельный музыкальный номер под сцену) живёт по таймкоду. Он начинается и заканчивается в определённый момент, идёт за сценой и часто должен во что-то попасть: в склейку, в хлопок двери, во взгляд. Судят его только вместе с картинкой.

Песня приходит со словами и голосом. В фильме это чаще всего финальные титры или сцена, где герой слышит радио. В игре это титры, трейлер, бард в таверне, радиостанция внутри мира.

Если вы уже работаете в Suno и вам нужно составить задание на луп для меню или боевой трек так, чтобы он пережил четыреста повторов, загляните в наш материал о музыке для игр: там подробно разобрана сторона промпта. Эта статья про шаг раньше, когда инструмент ещё не выбран или есть подозрение, что понадобятся два.

Что на самом деле отдаёт каждый сервис

Всё ниже сверено со страницами самих компаний на момент написания. Тарифы и лимиты меняются, так что цифры здесь как снимок, и перед оплатой страницу с ценами лучше открыть заново.

AIVA ближе всех в списке к композитору, с которым можно спорить. Сервис пишет в более чем 250 стилях, даёт править сгенерированное, принимает аудио или MIDI как ориентир и на любом тарифе выгружает MIDI. В MIDI вся соль: ноты можно забрать в свою программу, переоркестровать, вырезать такт, сдвинуть нарастание так, чтобы оно легло на гудок. Подвох сидит в лицензии. На бесплатном тарифе и на Standard страница с ценами пишет «Copyright owned by AIVA», и только на Pro там стоит «Copyright owned by YOU» вместе с полной монетизацией. Бесплатный тариф к тому же вообще не разрешает монетизацию и требует указывать AIVA в титрах. Если фильм едет на фестиваль или игра пойдёт в продажу, тариф определяет именно эта строчка, а не список функций. Петь AIVA на своих страницах не обещает, и если нужны слова, наш разбор того, чем заменить AIVA, когда нужен вокал, продолжает эту мысль.

В основе Soundraw лежит микшер. Вы выбираете жанры, сервис собирает трек, а дальше можно задать длину, подкрутить интенсивность, включить и выключить инструменты, и трек, по словам самой страницы, пересобирается на лету. В FAQ упомянута правка на уровне тактов: заглушить, оставить соло, изменить интенсивность. Для игры это удобно, потому что из одного трека получается и тихая версия, и полная. Отдельные дорожки доступны только с тарифа Artist Pro, младшие тарифы отдают один MP3. На странице с ценами сказано, что тариф Creator покрывает фоновую музыку для приложений и игр. Кино там не названо, так что под фильм сначала прочитайте лицензию, ссылка на неё стоит там же.

Beatoven.ai делает фоновую музыку по текстовому описанию на собственной модели, плюс отдельный инструмент для звуковых эффектов, и отдаёт файлы в MP3 или WAV. Лицензию здесь стоит читать медленно: в FAQ описана неисключительная бессрочная лицензия, владельцем треков остаётся Beatoven, а выкладывать их напрямую на стриминговые площадки нельзя. Для подложки под ролик на YouTube этого хватает. Для альбома саундтрека в Spotify это вопрос, который надо решить заранее.

Stable Audio 2.5 от Stability AI генерирует треки до трёх минут и умеет работать от аудио: загружаете свой фрагмент, отмечаете точку, и модель продолжает дальше из этого материала. Компания пишет, что модель обучена на полностью лицензированном датасете, и продвигает её для коммерческого звука в крупных компаниях, а заставку игры приводит как один из примеров. Для музыки к сценам интересна именно эта функция: удачный кусок остаётся, а вокруг него генерируется новое.

Eleven Music от ElevenLabs пишет и песни, и инструменталы, позволяет выделить кусок и сгенерировать заново только его, а на платных тарифах выгружает дорожки по отдельности: две или четыре на тарифах Creator, до шести на Pro. Правка одного куска очень похожа на то, что нужно при перемонтаже сцены. Но начинать стоит с таблицы лицензий: у тарифов с самостоятельной оплатой там написано, что разрешено любое коммерческое использование, кроме кино, ТВ, радио и игр крупных студий (в оригинале «except film, TV, radio, and Studio Games»). Инди-игру условия определяют по порогам выручки и к студийным не относят, а ограничение снимает только корпоративный тариф. Для короткометражки, которая пойдёт куда-то дальше личного канала, вся история упирается в эту строку.

Mubert Render собирает трек по текстовому запросу или по загруженной картинке, жанры, настроения, темпы и занятия можно перебирать в каталоге, а ещё в бета-режиме сервис ищет по ссылке на ролик YouTube. Настройка длительности открывается только после апгрейда. Лицензия вынесена на отдельную страницу: бесплатный тариф помечен как некоммерческий, платные разрешают коммерческое использование, а sync-лицензия называет видео, подкасты, приложения и игры, но не кино. Там же запрещено выкладывать треки на стриминговые площадки и регистрировать их в Content ID, так что альбом саундтрека отпадает.

Suno обычно пробуют первым, и закрывает этот сервис больше строчек, чем обещает репутация генератора попсы. Есть переключатель Instrumental, так что тихий фон и боевой слой вполне достижимы. Платные тарифы добавляют разделение на дорожки (два вида на Pro, три на Premier), а в Premier входит Suno Studio. И для песни на титры это очевидный выбор, потому что Suno поёт. Права на коммерческое использование дают тарифы Pro и Premier, и по нынешним условиям Suno они распространяются на песни, скачанные во время подписки в пределах лимита скачиваний тарифа. В справке Suno прямо сказано, что оформленная позже подписка по умолчанию не даёт прав задним числом на песни с бесплатного тарифа.

Сравнение по строчкам

Читайте таблицу с последнего столбца. Проекты обычно ломаются именно на нём.

Дорожки и слои: чего требует игра и не требует кино

Фильм играет один раз и по порядку. Игра играет то, что делает игрок, и музыка должна менять состояние без шва. Обычно это решают слоями: снизу фон исследования, сверху ударные, басовый пульс, медь, и каждый слой вводится или убирается в зависимости от происходящего. Переключает слои Wwise, другой звуковой middleware или аудиосистема самого движка. А вот сама музыка должна быть собрана так, чтобы слои совпадали.

Тут и ловушка. Если спокойный фон и боевую версию сгенерировать двумя отдельными запросами, получатся две пьесы, у которых общий только жанр: другой темп, другая тональность, другая качёвка. При переходе между ними игрок услышит, как музыка переключает передачу. Обойти это можно двумя путями.

Разрезать один трек. Сгенерируйте самую насыщенную версию, то есть боевую, а потом разделите её на дорожки. Заглушите ударные и медь, и останется фон исследования, который уже идёт в одном темпе с боевыми слоями, потому что все они из одного дубля. Так работает разделение на дорожки в Suno и отдельные дорожки в Soundraw, а на платных тарифах и выгрузка дорожек в Eleven Music.

Работать с нотами. Выгрузите MIDI из AIVA, откройте в своей программе и соберите слои сами из одних и тех же нот. Работы больше, контроля намного больше, и только на этом пути в списке можно сдвинуть нарастание на одну долю.

С фильмом логика проще. Нужны кью, которые начинаются и заканчиваются в нужную секунду, а таймкода генератор не знает. Генерируйте длиннее сцены, потом режьте и уводите в затухание в монтажке. Если нужен сервис, который сам смотрит видео, это отдельная задача, и её мы разбирали в статье о нейросетях, пишущих музыку под видео.

Как написать промпт для инструментала

Большинство неудачных саундтреков рождается из промптов, написанных так, будто вы пересказываете фильм другу:

epic cinematic music for my game boss fight, really intense, no vocals

Модель получает настроение и список того, чего делать не надо, а с «не» нейросети справляются плохо. Рабочий вариант называет инструменты, регистр, форму и роль трека и формулирует всё в утвердительной форме:

Style:   hybrid orchestral, low brass ostinato, taiko and frame drums,
         staccato strings, dark minor tonality, driving steady pulse,
         constant intensity, open midrange, instrumental
Exclude: vocals, choir, spoken word, big final hit

Посмотрите, куда делось «нет». Всё нежелательное уехало в поле Exclude, а строка Style описывает только то, что должно звучать. Об этом разделении подробно рассказывает наш гайд про негативные промпты. Слова constant intensity важны для лупа, потому что нарастающему треку некуда идти на повторе. open midrange просит оставить место в середине, где живут выстрелы и удары.

Для фона исследования оставьте тот же состав инструментов и поменяйте форму:

Style:   hybrid orchestral underscore, sustained low strings, soft taiko,
         distant brass pads, dark minor tonality, sparse, slow-moving,
         continuous loop feel, instrumental
Exclude: vocals, choir, lead melody, drum fill

Оркестр тот же, поэтому две пьесы звучат как один мир. Если не хочется собирать такие строки руками, генератор промптов строит промпт стиля для Suno по всем осям, держит его в утвердительной форме и переносит каждое «не» в Exclude, а в каталоге есть готовые рецепты для стилей вроде film-score, cinematic-score, hybrid-orchestral, noir-film-score, chiptune и synthwave. Если в инструментал всё равно пробивается голос, материал про инструменталы в Suno объясняет, откуда он берётся.

Права, если проект пойдёт в продажу или на фестиваль

На этом этапе саундтрек, собранный за выходные, превращается в проблему через год. Четыре проверки, которые стоит пройти до первого кью:

1. На каком тарифе вы были, когда трек появился? Suno, AIVA и Eleven Music привязывают права к тарифу, а Suno прямо пишет, что более поздний апгрейд по умолчанию задним числом не действует. Если работаете в Suno, скачивайте нужные кью, пока подписка активна.
2. Названа ли в лицензии ваша среда? Тарифы Eleven Music с самостоятельной оплатой своими словами исключают кино и студийные игры. Тариф Creator у Soundraw называет приложения и игры, но не кино. Sync-лицензия Mubert называет игры, но не кино.
3. Кому принадлежит трек? Право использовать трек и владение треком не одно и то же. AIVA оставляет авторские права за собой на всех тарифах ниже Pro, Beatoven сохраняет владение и даёт неисключительную лицензию. Неисключительная лицензия означает, что такие же права на похожий материал может получить кто-то ещё.
4. Что требует дистрибьютор, издатель или фестиваль? У магазинов, издателей и фестивалей бывают собственные правила про материалы, сделанные нейросетью, и про их раскрытие. Спрашивайте до сдачи, а не после.

Авторское право на результат генерации и лицензия решаются отдельно, и ответ зависит от страны; наш разбор того, кому принадлежит музыка от нейросети, разводит эти вопросы. Это не юридическая консультация. Наша собственная позиция по тому, что генерируем мы, описана на странице с оговорками.

Где тут sunomarket, а где нет

Мы независимый сайт. Мы не Suno и не связаны ни с Suno, ни с другими компаниями из этой статьи. Звук мы не делаем.

Для чистого инструментального фона честный ответ лежит выше. Если нужны ноты, которые можно переставлять, подойдёт AIVA на тарифе, где авторские права ваши. Если нужен быстрый фон с микшером, подойдёт Soundraw. В этой гонке мы не участвуем.

Мы закрываем две строчки списка.

Промпты стиля для Suno. Если вы работаете в Suno, генератор промптов собирает строку Style для инструментала, переносит запреты в Exclude и оставляет только названные вами инструменты, так что спокойная и боевая версии остаются в одном оркестре. Первые три категории пресетов открыты бесплатно и без карты, полная версия и весь каталог идут с тарифом.

Песня со словами. Финальные титры, песня для трейлера, трек для радио внутри игры, бард. Генератор текстов песен принимает короткое задание и возвращает название и полный текст с тегами [Verse] и [Chorus], который можно сразу вставить в поле Lyrics в Suno. Сам генератор не поёт, голос даст Suno или другой выбранный вами сервис. Задание для песни на титры к визуальной новелле про проводницу ночного поезда может выглядеть так:

theme      Проводница ночного поезда Москва-Владивосток. Седьмую неделю
           в пути, чай в подстаканниках, пассажиры сходят и забывают её
           имя, а она помнит каждого. Простые слова, без пафоса.
POV        first
language   ru
structure  ballad
hook       title-line
vocal      female
emotion    longing
age        any

Одна генерация на модели SM1 стоит 20 кредитов, то есть $0.20 при курсе 100 кредитов за доллар. SM2 и SM3 делают дополнительный проход, который находит слабые строки и переписывает их, и стоят 80 кредитов ($0.80). Новые аккаунты начинают с нуля кредитов, бесплатного пробного периода у генератора текстов нет. Тарифы описаны на странице цен, пожизненный тариф и пакет кредитов можно оплатить через СБП, а месячную подписку нельзя. Наши тексты неисключительные и могут совпадать с тем, что получают другие пользователи, поэтому относитесь к результату как к черновику для правки, а не как к гарантированно уникальной вещи.

Какой сервис под какой проект

• Фестивальная короткометражка с несколькими точными кью. Главное здесь контроль над временем. Подойдёт MIDI из AIVA на тарифе Pro или любой генератор плюс аккуратный монтаж. Проверьте, что лицензия называет кино.
• Инди-игра со сменой состояний. Один раз генерируете самую насыщенную версию, режете на дорожки и собираете слои из одного дубля. Suno или Soundraw на тарифе с дорожками, или AIVA, если удобнее работать с нотами.
• Серия роликов на YouTube или подложка под трейлер. Скорость важнее контроля. Soundraw, Beatoven или Suno, с лицензией, проверенной под ваш канал.
• Любой проект с песней на титры. Голос даст Suno (или Eleven Music, если лицензия Eleven Music покрывает вашу среду), а текст стоит писать под вашу сцену, у нас или самому, чтобы слова были про вашу историю, а не про абстрактное расставание.

Если нужна карта композиторских сервисов шире саундтреков, наше сравнение ИИ-композиторов раскладывает их по тому, сколько контроля остаётся у вас.

Проверка одним кью до оплаты

Не выбирайте сервис по таблице, по этой тоже. Возьмите самую трудную строчку своего списка (в игре это обычно боевой слой, который должен лечь поверх фона, в фильме кью, которому надо попасть в момент) и прогоните только её через два сервиса: на бесплатном тарифе, где он есть, или на самом дешёвом месяце, где его нет. Потом задайте результату три вопроса. Можно ли заставить его начаться и закончиться там, где мне нужно? Можно ли получить тихую версию в том же темпе? Называет ли лицензия на тарифе, за который я заплачу, мою среду? Сервис, который на самом трудном кью наберёт три «да», справится и с лёгкими. А победа на лёгком кью не говорит ровным счётом ничего.