Какая нейросеть превращает текстовое описание в песню с вокалом?

Возьмите одно и то же описание и вставьте его в два разных генератора музыки по тексту:

upbeat russian pop song about a summer at the dacha, female vocal, catchy chorus, nostalgic

Первый вернёт песню: с певицей, куплетом и припевом, который возвращается. Второй вернёт две с половиной минуты приятной инструменталки, где голоса нет вовсе, а слова female vocal просто растворились. Описание было нормальным, просто попало в инструмент, который не поёт.

Отвечаю на вопрос из заголовка сразу. Песню с вокалом из текстового описания делают генераторы песен, и самый известный из них Suno. Mureka и ElevenLabs Music на момент написания тоже обещают песни с вокалом. К той же семье относится Udio, но после соглашений с лейблами положение сервиса сильно изменилось, так что прежде чем на него рассчитывать, прочитайте, что произошло с Udio. Вторая большая группа (Stable Audio, Soundraw, AIVA, Mubert, Beatoven) заточена под инструментальную музыку, и слово «вокал» в поле запроса голос туда не добавит. Есть и сервисы, которые стоят сразу в обоих лагерях, поэтому проверка ниже важнее любого списка. Страницы продуктов переписываются раз в несколько месяцев, поэтому любой такой список годится как отправная точка, а окончательный ответ всегда на текущей странице самого сервиса.

Дальше начинается то, от чего зависит, получится ли песня хорошей. Описание закрывает только половину того, что нужно песне с голосом. Вторая половина состоит из слов. Если дать поющему генератору одно описание, ему придётся сочинить текст из ваших восьми прилагательных, и этот сочинённый текст почти всегда оказывается самым слабым местом трека: в песне это единственная часть, где должны быть факты из вашей жизни, а у генератора их нет.

Эту половину мы и продаём. Наш генератор текстов песен принимает короткий бриф в форме и возвращает название и полный текст с разметкой [Verse] и [Chorus], который сразу вставляется в поле текста того генератора, какой вы выбрали. Одна генерация списывает с вашего тарифа 20 кредитов, при курсе 100 кредитов за доллар это $0.20 за текст. Бесплатных генераций текста нет: самый дешёвый вход стоит $5 в месяц, это 500 кредитов, 25 текстов. Рядом лежит генератор промптов, который собирает само описание, строки Style и Exclude, в формате Suno. Он работает по правилам, без чат-бота, и начать можно бесплатно. Звук мы не делаем. Suno и все остальные сервисы из этой статьи принадлежат другим компаниям, мы их не перепродаём, не контролируем и не говорим от их имени.

Какие генераторы поют, а какие только играют, и как это проверить за полминуты

Обзоры обычно выстраивают эти сервисы в один рейтинг. Для нашего вопроса рейтинг вторичен: инструменты делятся на две кучи, и в какую из них попал сервис, решается раньше, чем заходит речь о качестве.

Те, что поют. Вы описываете песню и получаете вокал поверх аранжировки. Обычно у таких сервисов есть поле для своего текста или режим, где текст пишут за вас, и какой-то способ указать, кто поёт. Сюда относятся Suno, Mureka, ElevenLabs Music и Udio, у каждого свои условия, тарифы и ограничения.

Те, что играют. Вы задаёте настроение, жанр, длину и получаете инструментал. На момент написания Stability AI представляет Stable Audio как набор моделей от звуковых эффектов до полноценных музыкальных композиций, а Soundraw, AIVA, Mubert и Beatoven строятся вокруг фоновой музыки, саундтреков и лупов. В справке Soundraw прямо сказано, что сервис делает инструментальные треки, а песен с вокалом и текстом не создаёт. Часть этих сервисов вообще не принимает свободный текст и работает через меню жанров, настроений и длительности. Два названия в эту кучу целиком не ложатся. У Loudly есть инструментальные модели, но на сайте на момент написания заявлена и отдельная модель для целых песен с текстом и вокалом. Смысл Boomy в том, чтобы быстро собрать трек и выпустить его, а как там обстоит дело с голосом и словами, смотрите на актуальных страницах сервиса, а не в этом списке. Любой из них может добавить новую функцию в следующем месяце, поэтому проверка ниже надёжнее самого списка.

Проверка занимает полминуты и работает на любых сервисах, в том числе тех, которых здесь нет. Откройте в инструменте экран создания трека или страницу справки и поищите две вещи:

1. Поле для текста песни или любой описанный в документации способ передать точные слова.
2. Настройку вокала или хотя бы упоминание голоса, певца, вокала в руководстве по запросам.

Если нет ни того, ни другого, вы в инструментальной куче, и что бы вы ни написали, петь сервис не станет. Если есть только второе, он запоёт, но запоёт то, что придумал сам.

Инструментальные сервисы по одному мы разбираем в статьях Soundraw делает инструменталы: чем пользоваться, когда в песне нужны слова и может ли Stable Audio сделать целую песню. Разбор по задачам, в том числе какой инструмент брать, когда нужен именно инструментал, есть в статье какой ИИ-генератор музыки лучше под вашу песню.

Что получается, если дать поющему генератору одно описание

С этого режима начинает почти каждый, и разочаровывает он всегда одинаково. Вы пишете описание, жмёте кнопку, приходит песня. Аранжировка может быть вполне приличной, а слова ни о чём: лето, солнце, беззаботные дни, ночь, которая никогда не кончится. Такой текст подходит к любому лету на любой даче и потому ни к одному конкретному.

Генератор тут не ошибается. Он делает единственное, что можно сделать с таким вводом. Вот, по сути, всё, что он знал:

upbeat russian pop song about a summer at the dacha, female vocal, catchy chorus, nostalgic

Предметное слово здесь одно, dacha, остальное описывает звучание. Текст собирается из усреднённой памяти обо всех песнях про лето, а усреднённая песня про лето рифмует «лето» с «где-то» и «солнце» с «оконце».

Теперь сравните, что тот же генератор получает, когда слова приходят отдельно:

[Verse]
Лёха клянётся, что знает дорогу,
третий раз разворот у Кимр,
в багажнике рассада и удочки,
а навигатор давно уже сел

[Chorus]
Не туда свернули, ну и пусть,
Лёха, кто считает эти круги,
главное, что мы опять вдвоём,
остальное подождёт до весны

Появились человек, место, домашняя шутка и строка, на которой держится припев. Описание по-прежнему делает свою работу, объясняет генератору, как должны звучать группа и голос, но сочинять песню его больше никто не просит. В этом и состоит весь приём: описание отвечает за звук, текст отвечает за историю. Когда одно поле тянет и то и другое, песня звучит как музыка из рекламы, которую никто не запоминает.

Что должно быть в описании

Когда у слов есть своё поле, описание становится короче и точнее. Оно перестаёт рассказывать историю и превращается в техзадание для сессионных музыкантов. Вот что в нём работает, примерно в порядке важности:

• Жанр, при необходимости с эпохой. rock ballad звучит расплывчато, 90s russian rock ballad уже задаёт звук. Одно-два жанровых слова, а не шесть: если навалить жанры в кучу, генератор их усреднит.
• Настроение. Одно-два слова про то, как звучит музыка, а не про то, что чувствуете вы: wistful, defiant, warm.
• Инструменты. Три-четыре конкретных. acoustic guitar, bayan accordion, live drums сообщает генератору больше, чем любые rich instrumentation.
• Голос. Кто поёт и как: male baritone, slightly hoarse. В поющем генераторе этот пункт чаще всего оставляют пустым, и тогда поёт голос по умолчанию.
• Темп словами. mid-tempo, slow and swaying, driving. Слова надёжнее цифр: если число спорит с жанром, скажем быстрый темп у баллады, генератор получает две противоречащие команды и одну из них выбрасывает. Некоторые сервисы описывают числовой темп в своих руководствах, и там стоит делать так, как написано у них.
• Форма. big singalong chorus, quiet first verse, short instrumental intro. Основную работу здесь делают теги разделов в тексте, описание только подталкивает.

Про язык отдельно. Для Suno описание обычно пишут по-английски, даже если песня русская: теги стиля принято задавать английскими словами, и наш генератор промптов собирает их тоже по-английски. Поётся при этом всё равно то, что стоит в поле текста, на языке текста. Как с этим у других сервисов, смотрите в их руководствах, а про русский вокал в Suno подробно написано в статье Suno на русском.

В описание не нужно класть сам текст песни, подробности сюжета («про соседа, который чинит машины») и имена реальных артистов. Часть сервисов фильтрует или отклоняет имена, и даже там, где не фильтрует, имя остаётся ленивой подсказкой. Лучше описать, что именно нравится в звучании артиста: тембр гитары, фактуру голоса, эпоху. Для такого перевода у нас есть каталог: почти 2 000 стилевых рецептов и больше 1 000 промптов в духе артистов, и написан он в формате Suno.

И ещё одна ловушка. Отрицания внутри описания вроде no drums или no autotune часто работают наоборот: генератор видит слово drums и тянется к барабанам. У Suno для этого есть отдельное поле Exclude, и наш генератор промптов превращает каждое «не надо» в тег для этого поля. Если в вашем сервисе такого поля нет, просто не упоминайте то, чего не хотите слышать.

От брифа до описания на одном примере

Вот весь путь одной песни, чтобы было видно, какая часть откуда берётся. Повод: Серёге из соседнего подъезда исполняется пятьдесят.

Шаг первый, бриф для текста. В нашей форме он выглядит так. Значения слева выбираются из готовых списков, тема пишется свободно, до 300 символов.

POV        third
language   ru
structure  classic
hook       title-line
vocal      male
emotion    joy
age        45+
theme      Песня для Серёги из нашего двора: тридцать лет чинит всем
           машины в гараже №14 и денег не берёт, только банку
           огурцов. В субботу ему пятьдесят.

Шаг второй, текст. Генератор возвращает название и полный текст с тегами. Из такого брифа может получиться, например, такой припев:

[Chorus]
Гараж четырнадцать, свет до утра,
Серёга опять не возьмёт ни рубля,
банку огурцов, и на том спасибо,
полвека ему, а весь двор у ворот

Посмотрите, откуда взялась каждая конкретная деталь: номер гаража, деньги, огурцы, двор, полвека. Всё это есть в поле темы, и ничего из этого не могло прийти из описания стиля. Ради этого бриф и пишется фактами, а не чувствами. Такая генерация списывает с тарифа 20 кредитов, то есть $0.20. Если припев близко, но не то, поменяйте тему или тип хука и запустите заново.

Шаг третий, описание. Для Suno строка Style, к которой склонился бы наш генератор промптов, собирается списком через запятую:

90s russian rock ballad, mid-tempo, warm, acoustic and electric guitar,
bayan accordion, live drums, male baritone vocal, slightly hoarse,
big singalong chorus

А в поле Exclude: autotune, trap hi-hats.

Шаг четвёртый, звук. Текст идёт в поле текста вашего поющего генератора, описание в поле стиля, дальше кнопка. Этот шаг происходит в их сервисе, по их тарифу и на их условиях. Что там прозвучит, мы не слышим и делать вид не будем.

Разделение работает в любом поющем сервисе: при смене генератора текст остаётся тем же, меняться может только описание.

Как переделать описание, написанное для Suno, под другие поющие сервисы

Наш генератор промптов пишет под поля Suno, и сверять его результат с актуальным форматом каждого другого сервиса мы не брались. Поэтому вместо обещания «всё подойдёт» вот что стоит проверить самому.

1. Что в примерах у самого сервиса: теги или предложения? Если в руководстве списки через запятую, оставляйте список. Если там связные фразы, перепишите те же пункты прозой: «Тёплая рок-баллада в духе девяностых, средний темп, акустическая и электрогитара, баян, живые барабаны. Поёт мужской баритон с лёгкой хрипотцой, а припев хочется подхватить хором». Информация та же, упаковка другая, а сами характеристики для англоязычного сервиса лучше оставить по-английски.
2. Есть ли отдельное поле для текста? Если есть, текст с тегами идёт туда. Если сервис принимает один общий запрос, найдите в документации, как отделять слова от описания, и не смешивайте их наугад.
3. Понимает ли он теги разделов? [Verse] и [Chorus] встречаются чаще всего, но это соглашение, а не закон. Если в документации об этом ни слова, сделайте одну короткую пробную генерацию, прежде чем отдавать целую песню.
4. Есть ли ограничение по длине? У полей стиля и запроса разные лимиты. Режьте с конца списка выше: сначала форму, потом лишние инструменты. Голос не трогайте.
5. Есть ли поле для исключений? Если нет, теги Exclude просто выбросьте.

По конкретным сервисам это разобрано в статье работают ли промпты для Suno в Musicful, Mureka и Udio, а привычки самого Udio описаны в статье как писать запросы для Udio, чтобы в песне звучал ваш текст. Полная версия списка выше для Suno лежит в статье как писать промпты для Suno.

Для читателя из России есть ещё один практический слой. Российской картой многие зарубежные музыкальные сервисы напрямую не оплатить, а доступность отдельных сайтов из России со временем менялась. Прежде чем выстраивать работу вокруг одного инструмента, проверьте, сможете ли вы за него заплатить и открыть его завтра. У нас разовый lifetime за $19 оплачивается в том числе через СБП.

Когда инструментальная куча как раз то, что нужно

Не каждое описание стоит нести в поющий генератор. Если музыка звучит под закадровый голос, крутится фоном на стриме или озвучивает видео, вокал превращается в проблему, которую потом придётся обходить при сведении. Тогда правильный выбор как раз инструментальные сервисы, а описание становится ещё короче: жанр, настроение, инструменты, энергия, длина. Голос и текст там лишний груз, их можно убрать.

Самый неудобный случай выглядит так: человек начал в инструментальном сервисе, ему понравился бит, и теперь он хочет на нём песню. Внутри инструментального сервиса такого переключателя нет. Обычный путь другой: написать текст отдельно и сделать песню в поющем генераторе, описав понравившийся бит как можно точнее. Недостающая деталь в этой схеме как раз слова, и именно их пишет наш генератор текстов.

Частые вопросы

Можно ли получить вокал в инструментальном сервисе, если написать в запросе «с вокалом»? Надёжно нельзя, а в большинстве таких сервисов вообще нельзя. Если в документации ничего нет про голос или текст, слово либо проигнорируют, либо оно слегка изменит фактуру, но певец не появится. Актуальные возможности смотрите на странице справки самого сервиса.

Есть ли бесплатный генератор, который поёт? У нескольких поющих сервисов есть бесплатные тарифы, и почти везде они ограничивают объём, скачивание или коммерческое использование результата. Эти условия часто меняются. Текущая картина разобрана в статье какие ИИ-генераторы музыки действительно бесплатны, но последнее слово всегда за страницей тарифов самого сервиса.

Кому принадлежит песня, сделанная таким способом? Зависит от страны, от условий музыкального сервиса и от того, какая часть работы ваша. С нашей стороны так: сгенерированные тексты можно использовать коммерчески, прав на них мы не заявляем, а права эти неисключительные, поэтому на похожий бриф у другого пользователя могут выйти похожие строки. Звук подчиняется условиям того сервиса, который его сделал. Какие вопросы себе задать, разобрано в статье кому принадлежит музыка, сделанная ИИ. Это не юридическая консультация.

Ваш генератор делает саму песню? Нет. Он пишет название и текст. Звук появляется на отдельном шаге в поющем сервисе, который вы выбираете сами и оплачиваете отдельно, если он платный.

Можно ли текст на другом языке? Можно. Форма пишет на русском, английском, испанском, немецком, французском, итальянском, португальском, японском и корейском. Насколько хорошо конкретный музыкальный сервис поёт на этом языке, отдельный вопрос, и его лучше проверить одной короткой пробой до того, как делать целую песню.

А если мне нужно только описание, без текста? Тогда начните с генератора промптов: он бесплатен для старта и пишет строки Style и Exclude для Suno. За текстом можно вернуться, когда песне понадобятся слова.

Что сделать сейчас

Возьмите тот поющий сервис, где у вас уже есть аккаунт. Напишите бриф: для кого песня, одна конкретная сцена, два-три факта, которых не знает никто, кроме вас. Самый дешёвый вход у нас стоит $5 в месяц: 500 кредитов, то есть 25 текстов по $0.20. Если удобнее заплатить один раз, есть lifetime за $19: каталог и генератор промптов остаются за вами насовсем, и к ним один раз прилагаются 1 500 кредитов, это 75 текстов без пополнения. Прогоните бриф через генератор текстов песен, вставьте текст и короткое описание в свой сервис рядом друг с другом, а если припев почти попал, поменяйте один факт и запустите ещё раз. Песня, собранная так, начинается со слов, которые действительно про кого-то.