Почему Suno игнорирует слова «тихо» и «мягко» в промпте?

Короткий ответ

Suno игнорирует не динамику. Он игнорирует прилагательные настроения. Слова quiet, soft, calm, тихо, мягко, эмоционально описывают, что песня заставляет чувствовать вас. Они не говорят, что должен сделать вокалист или микс. Модели не за что зацепиться — она уходит в свой дефолтный стиль, и вы получаете жалобу, которую пол-треда про Suno на vc.ru повторяют слово в слово: вокал «barely above the instruments», «buried in mix». Похороненный в миксе вокал — это симптом. Абстрактный промпт — причина.

Продюсер не скажет сессионному вокалисту «спой поспокойнее». Он скажет: подойди ближе к микрофону, убери белтинг, разреди аранжировку. Как сформулировали на sostav.ru — промпт это не список тегов, это режиссёрские указания. Suno отвечает на режиссуру, а не на чувство.

Ещё одно до таблицы, потому что это меняет, куда вкладывать усилия: инструкции про аранжировку и подачу, написанные внутри поля Lyrics, примерно в 10 раз сильнее тех же слов в поле Style. Style задаёт общий крен; Lyrics — это где дубль реально режиссируется, посекционно. Держите эту пропорцию в голове — почти все фиксы ниже живут в Lyrics, а не в Style.

Меняем настроения на режиссуру

Каждое размытое слово раскладывается в конкретную инструкцию про исполнение, громкость относительно инструментов, артикуляцию или пространство. Берите правую колонку. Эта таблица — весь гайд в одном месте, а разделы дальше только объясняют, как разложить это по секциям песни.

Общее у всех строк правой колонки одно: по каждой может сработать реальный звукорежиссёр или вокальный педагог. vocal forward in the mix чинит симптом с похороненным вокалом напрямую — вы наконец сказали модели, где стоит голос. behind the beat и clipped consonants — это указания, которые живой вокалист получает на записи; «расслабленно» и «напряжённо» — то, что слушатель докладывает потом. Вам нужно указание, а не доклад.

Метатеги комбинируются, и комбинирование — это и есть способ получить конкретный дубль вместо дефолтного. Соединяйте режиссуру через |: breathy | vocal forward in the mix | no belting. Каждый сегмент — одна вещь, которую модель может сделать; вертикальная черта просто говорит сделать всё сразу. Три конкретных указания всегда бьют одно громкое прилагательное.

Где стоит вокал: впереди или похоронен

Самая частая жалоба — вокал «barely above the instruments», «buried in mix» — это не проблема настроения, это проблема уровня, и слова настроения до неё не дотягиваются. Прилагательного «сделай голос громче» не существует. А режиссура — есть: vocal forward in the mix. Скажите это прямо, и модель поднимет голос относительно подложки.

Думайте про это как про фейдер, который вы двигаете словами:

Сложите указание про уровень с указанием про подачу — и вы зафиксировали разом как громко и как приходит голос: close-mic vocal | vocal forward in the mix | breathy restrained delivery. Это весь фикс похороненного вокала в одну строку. И раз уровень живёт скорее в дубле, чем в жанре, пишите его в Lyrics рядом с секцией, к которой он относится — помните про правило ~10×.

Стройте арку, а не называйте её

«Эмоционально» не срабатывает, потому что эмоция в песне — это контраст: тихо в громко, пусто в плотно. Чувство модели не передашь, передаёшь движение. Ошибка — писать одно слово на всю песню. Динамика строится посекционно, так что пропишите изменение по структуре:

• куплет: sparse arrangement, close-mic vocal, lots of space
• предприпев: добавить бас, вокал поднимается
• припев: full band, full-chest delivery, vocal forward

Это и есть dynamic build from verse to chorus, расписанный руками. Теперь у модели есть форма, а не прилагательное, на которое можно махнуть. Ключевой ход в том, что каждая секция получает свои указания — куплет, которому сказано быть разреженным, и припев, которому сказано быть плотным, и есть тот контраст, на который «эмоционально» только намекало. Пишите это как посекционные пометки внутри Lyrics, где они весят больше всего, и совмещайте с явными тегами секций — см. структуру песни в Suno.

Более длинный пример, второй куплет в дроп:

• куплет 2: single guitar, whispered vocal, no drums, lots of space
• билд: add kick and hats, vocal opens up, tension rising
• дроп / припев: full band, full-chest belt, vocal forward in the mix

Три секции, три разных указания, одна ясная арка. Ни одного слова настроения — и в этом весь смысл.

Режиссура вместо КАПСА

Многие пытаются выбить громкость капсом или стопкой powerful, strong, epic. Так и получается тот самый ор и переджатый белтинг. Приём тот же, но в другую сторону — режиссируйте сдержанность: restrained delivery, no belting. Если вокал и так вылезает переором — как убрать крик в вокале разбирает работу с уровнем; и не чините громкость негативом вроде «не громко» — почему негативы дают обратный эффект.

Привычка, которую стоит выработать поглубже: описывайте манеру, а не ярлык громкости. «Мощно» — это ярлык громкости. full-chest belt on the chorus — это манера, и она громче, специально, в нужном месте. Манерой можно режиссировать; ярлыками — нет.

Что делать сейчас

1. Откройте промпт и подсветите каждое прилагательное настроения — quiet, soft, «эмоционально», все.
2. Замените каждое на режиссуру из таблицы: манера, громкость, артикуляция, пространство.
3. Похороненный вокал чините явным указанием про уровень — vocal forward in the mix — а не чувством.
4. Пропишите динамическую арку посекционно (куплет → предприпев → припев), внутри Lyrics, где указания бьют ~10× сильнее, чем в Style.
5. Соберите это в конструкторе промптов — он работает на режиссёрском словаре динамики, вы выбираете инструкцию, а не настроение.
6. Возьмите референсные формулировки в каталоге стилей, посмотрите, у кого получается, в артистах, сравните тарифы на странице цен и загляните в гайды — включая почему Suno игнорирует промпт и режиссуру динамики — за другими паттернами контроля.

Перестаньте описывать чувство. Начните режиссировать дубль.