Как сделать музыку нейросетью за 1 минуту

Где-то в начале лета в TikTok начали расходиться ролики с одной и той же подписью: мол, каждый второй трек в плейлистах Spotify и VK Музыки, который ты слушал на этой неделе, мог быть написан не человеком. Цифру в 70% первым публично произнёс автор TikTok · @misha.rant (Миша Рэнт) — в ролике он на глазах у зрителей за минуту с небольшим собрал полноценную песню с вокалом, бридж-переходом и почти профессиональным сведением, а потом сравнил её с реальным треком из чарта. Разница на слух была почти незаметна, и именно это шокировало людей больше самой статистики.

TikTok · @misha.rant (Миша Рэнт)

Ролик разошёлся стремительно: сначала его растащили музыкальные паблики, потом подхватили блогеры из смежных ниш — от маркетинга до геймдева, потому что тема оказалась universal. Кто-то спорил, что цифра завышена, кто-то признавался, что сам уже год вставляет ИИ-музыку в свои видео и не парится. Но спрос на «а как это вообще делается» вырос кратно — люди массово гуглят, как сделать музыку нейросетью, потому что хотят повторить трюк из ролика сами, а не просто восхититься чужим результатом. И хорошая новость в том, что технически это действительно занимает не часы, а минуты, если знать, куда тыкать.

Секрет в том, что современные модели вроде Suno не просто накладывают биты друг на друга — они генерируют вокал, инструментал и структуру песни целиком по текстовому описанию, будто пишут диктант под музыку. Ты не музыкант, не сводишь дорожки в Ableton и даже не обязан знать, что такое тональность — достаточно объяснить нейросети словами, что ты хочешь услышать. Дальше — пошагово, как это сделать самому, без воды и с конкретными примерами промптов.

Что понадобится, чтобы сделать музыку нейросетью

Всё довольно скромно: аккаунт в Suno, примерно пять-десять минут свободного времени и текст будущей песни — свой собственный, или пара строк, которые вы придумаете прямо по ходу дела. Никакого музыкального образования, микрофона или программ для сведения не нужно — это как раз тот случай, когда сделать музыку с помощью нейросети получается быстрее, чем найти на неё референс.

Шаг 1. Описываем трек и вставляем текст

Заходим в Suno, открываем раздел «Аудио · Музыка» — там как раз собран весь функционал для создания песен с нуля. Дальше два поля: описание трека и сам текст. В описании важно не лениться и писать конкретно — жанр, настроение, тему, желаемый темп. Модель отлично считывает такие формулировки:

«Меланхоличный synth-pop, женский вокал, тема — расставание летом, атмосфера как в закатных плейлистах, темп средний, с лёгким echo на бэк-вокале».

А в поле текста — свои строки, например:

«Ты ушёл, оставив только тень / На пороге пустого дня / Я считаю дни, а не минуты / Жду звонка, что не придёт от тебя».

Если своих строк пока нет — можно попросить модель дописать текст по описанию темы, и она сама предложит куплет и припев, которые потом легко подправить под себя.

Шаг 2. Запускаем генерацию и выбираем версию

После того как описание и текст на месте, нажимаем кнопку генерации — и именно здесь происходит та самая магия из тикток-ролика. Suno обычно выдаёт сразу две версии трека с разной интерпретацией одного и того же описания: где-то вокал звучит мягче, где-то ритм-секция агрессивнее. Если ни одна не устраивает — не беда, перегенерировать можно сколько угодно раз, меняя формулировки в описании хоть на одно слово. Именно так делают музыку с помощью нейросети бесплатно большинство людей, которые пробуют это впервые: не с первой попытки, а через три-четыре итерации, пока трек не «сядет» по настроению.

Когда версия понравилась — остаётся скачать трек в нужном формате и применить его по назначению: подложить фоном под видео, использовать как джингл для подкаста или просто отправить друзьям с подписью «а я, оказывается, тоже так умею».

Если делать музыку через нейросеть регулярно, довольно быстро вырабатывается чутьё на формулировки, которые модель понимает лучше. Абстрактные слова вроде «красиво» или «атмосферно» работают хуже, чем конкретные референсы жанра и десятилетия — «инди-рок как в 2007-м» даёт куда более предсказуемый результат, чем просто «рок». То же самое с настроением: вместо «грустная песня» лучше писать «меланхоличная баллада с акустической гитарой и минимальными ударными» — модель ловит нюанс и не превращает трек в шаблонную заготовку.

Частая ошибка новичков, которые только разбираются, как сделать музыку в нейросети бесплатно — это слишком длинный и противоречивый промпт, где в одном предложении просят и «энергичный рейв», и «спокойную колыбельную». Модель в таком случае усредняет запрос и выдаёт что-то невнятное. Лучше сделать несколько коротких, чётких генераций подряд, чем одну перегруженную. Ещё одна деталь, которая многих удивляет: качество вокала сильно зависит от языка текста — на английском модель звучит увереннее, но и с русским текстом результат вполне рабочий, особенно если строки простые и ритмичные, без сложных метафор в одну строку.

Отдельно стоит сказать про длину трека и его структуру: если не указать явно, что нужен куплет-припев-куплет-припев-бридж, модель может выдать укороченную версию на 40 секунд — этого достаточно для рилса, но маловато для полноценной песни. Если цель — трек для сторис или тикток-тренда, короткой версии обычно хватает с запасом, и именно так люди чаще всего используют результат через SEEMSEZ — собирают несколько вариантов подряд и берут лучший под конкретный формат видео.

Что в итоге интересно в этой истории — не сама цифра про 70%, а то, что порог входа рухнул буквально за пару лет. Ещё недавно «сделать свою песню» звучало как амбициозный проект на выходные с гитарой и звукозаписывающим приложением, а теперь это занятие на кофе-брейк. И судя по тому, как быстро разошёлся ролик Миши Рэнта, это заметили далеко не только музыканты.