Как переделать песню с помощью нейросети: пошаговый разбор

Рабочий порядок такой: сначала получаете текст оригинала (нашли в интернете или расшифровали аудио), потом переписываете слова под свой повод текстовой моделью, потом отдаёте новый текст музыкальной модели вместе с описанием жанра и вокала. На выходе получается не отредактированный оригинал, а новая запись, похожая на него по замыслу и структуре.

Это важно понять до старта, потому что большинство разочарований растут именно отсюда. Нейросеть не «подменяет слова в файле» - она поёт заново. Если вам нужна именно дорожка оригинала с чужим вокалом, ни один из шагов ниже не подойдёт.

Что обычно имеют в виду под «переделать песню»

За этим запросом скрываются четыре разные задачи, и решаются они по-разному:

• Новые слова на знакомый мотив. Поздравление, корпоративный гимн, шутка для друзей. Самый частый и самый выполнимый случай.
• Другой жанр. Взять попсу и получить рок или наоборот. Здесь меняется описание стиля, а текст можно оставить.
• Другой язык. Отдельная история, ближе к задаче перевести песню на русский, потому что перевод должен ещё и укладываться в слоги.
• Своя версия исполнения. Ближе к тому, что называют сделать кавер на песню с ИИ: тот же текст, другой голос и аранжировка.

Дальше в статье разбираю первый вариант, он самый показательный: в нём встречаются все три шага и все типичные грабли. Остальные три делаются тем же способом, просто часть шагов выпадает.

Что нейросеть умеет, а что не умеет: честные границы

Умеет: расшифровать аудио в текст, переписать текст с сохранением ритма, сгенерировать трек с вокалом и инструменталом по описанию, выдать несколько вариантов одного и того же промта.

Не умеет (и это стоит принять сразу):

• Не редактирует ваш аудиофайл. Музыкальные модели генерируют запись с нуля по тексту и описанию стиля. Загрузить mp3 и сказать «оставь минус, поменяй слова» не получится.
• Не воспроизводит конкретную песню. Мелодия будет своя, в духе заданного жанра. Узнаваемый мотив оригинала вы не получите, и это, кстати, снимает часть юридических вопросов.
• Не копирует голос конкретного человека - ни ваш, ни исполнителя оригинала.
• Не держит длинную драматургию с первого раза. На треке в три-четыре минуты модель часто теряет структуру: припев уезжает, последний куплет проглатывается.

Стоимость ошибки здесь измеряется в кредитах и попытках. Музыкальная генерация дороже текстовой, поэтому дешевле переделывать текст пять раз, чем пять раз перезапускать песню.

Какие модели в Молекуле пригодятся на каждом шаге

Для расшифровки аудио в каталоге есть ElevenLabs Speech-to-Text (Scribe) с диаризацией, то есть с разделением по говорящим. Для текста годится почти любая модель, но разница в цене запуска ощутимая: ChatGPT-5.6 Luna и Gemini 3.8 Flash стоят 1 кредит, DeepSeek V4 Pro и GLM 4.7 по 2, Claude Sonnet 5 уже 10, Gemini 3.1 Pro 12. Для песенного текста я бы брал что-то из дешёвых на черновик и один-два прогона на более сильной модели для финальной вычитки.

Музыкальная часть - линейка Suno. Версии отличаются заявленной длиной промта и качеством:

Цена запуска каждой модели видна рядом с ней в интерфейсе, и перед платной генерацией она показывается до подтверждения. На бесплатном тарифе квота 5 кредитов: этого хватит поиграться с текстом, но не на музыку.

Шаг 1. Снять текст с оригинала через расшифровку аудио

Если текст песни лежит в интернете, просто скопируйте его: это быстрее и точнее любой расшифровки. Расшифровка нужна для редких вещей, самописных треков и записей с концертов.

Порядок:

1. Отделите фрагмент, где вокал слышен чище всего, и загрузите файл в ElevenLabs Speech-to-Text.
2. Получите текст сплошным куском.
3. Разбейте на строки вручную по слуху, ориентируясь на музыкальные фразы.
4. Вычитайте. На музыкальных дорожках модель путает созвучные слова, склеивает строки и теряет повторы в припеве.

Критерий, что расшифровка годная: вы можете прочитать её вслух в темп песни, не запинаясь и не добавляя слов от себя. Если запинаетесь, строки разбиты неправильно, и на следующем шаге модель унаследует чужой ритм.

Шаг 2. Переписать слова под новый повод текстовой моделью

Это главный шаг, и почти весь результат зависит от того, насколько жёстко вы поставите рамку. Формулировка «перепиши эту песню под день рождения Ирины» даёт стихотворение, которое не ложится ни на какой мотив. Нужен каркас с явными ограничениями:

Роль: ты автор песенных текстов, работаешь с готовой ритмической сеткой.

Задача: перепиши текст ниже как поздравление коллеге Ирине
на день рождения. Тон: тёплый, с юмором, без пафоса.

Сохрани без изменений: количество строк, количество слогов
в каждой строке, схему рифмовки, места ударений в конце строк,
границы куплетов и припева.

Замени: сюжет и образы. Новые детали, которые обязательно
должны прозвучать: горные лыжи, отчёты сдаёт раньше срока,
кофе в девять утра, десять лет в отделе.

Формат ответа: только готовый текст с разметкой секций
[Verse 1], [Chorus], [Verse 2], [Chorus]. Без пояснений,
без вариантов, без вступительных фраз.

Ограничения: имя Ирина склоняй правильно, строки не длиннее
оригинальных, без мата и канцелярита, не больше одного
профессионального термина на куплет.

Оригинал:
<вставьте текст построчно>
Скопировать

Что проверять в ответе, прежде чем идти дальше:

• Совпадает ли число строк с оригиналом. Расхождение даже в одну строку ломает припев.
• Читается ли текст вслух под оригинал. Читайте именно вслух, глазами ошибки не видно.
• Нет ли строк, где ударение падает не туда. Это главный источник «кривого» пения на выходе.

Дальше 2-3 прогона на уточнениях: «во втором куплете третья строка на слог длиннее, сократи», «рифма в припеве слабая, переделай только её». Точечные правки работают лучше, чем полная перегенерация. Если нужен не пересказ, а текст с нуля, это уже просто генерация текста нейросетью без опоры на оригинал.

Шаг 3. Собрать новую версию трека в музыкальной модели

Теперь у вас есть текст, и он отправляется в Suno вместе с описанием стиля. Практический порядок, который экономит кредиты:

1. Черновик на младшей версии. Возьмите один куплет и припев, запустите на V3.5 или V4. Задача - проверить, что текст поётся и укладывается в темп.
2. Правка текста, а не промта. Если строка звучит скомканно, вернитесь к шагу 2 и сократите её. Менять описание жанра в этот момент бессмысленно.
3. Полный прогон на V4.5 или V5. Когда черновик поётся ровно, отправляйте весь текст. V4.5 держит промт до 5000 символов, этого хватает на текст с разметкой и подробным описанием стиля.
4. 2-3 варианта финала. Одинаковый промт даёт разные записи, и выбирать проще из нескольких.

Если текст у вас уже готов и переписывать ничего не нужно, шаг первый и второй выпадают: это прямой сценарий создать песню из готового текста.

Как описать в промте стиль, вокал и структуру песни

Описание стиля и текст лучше держать раздельно: сначала строка про звук, потом текст с разметкой секций. Работающий шаблон:

Style: upbeat pop-rock, female vocal, mid tempo around 110 bpm,
live drums, electric guitar, clean modern production,
warm and friendly mood, russian language

[Verse 1]
четыре строки текста

[Chorus]
четыре строки текста

[Verse 2]
четыре строки текста

[Chorus]
четыре строки текста

[Outro]
одна строка, затихание
Скопировать

Что писать в строке стиля:

• Жанр и поджанр одним-двумя словами: pop-rock, synthpop, acoustic ballad. Пять жанров подряд дают кашу.
• Вокал: female/male vocal, soft, raspy, choir в припеве.
• Темп словами или числом: slow, mid tempo, 90 bpm.
• Инструменты, два-три ключевых. Полный список оркестра модель всё равно сведёт по-своему.
• Настроение одним словом.

Чего избегать: имён исполнителей и названий песен в описании стиля. Это и юридически мутно, и практически бесполезно - эффект непредсказуемый. Описывайте звук, а не человека.

Готовый пример, который можно открыть и запустить: весёлая поп-рок песня-поздравление для коллеги Ирины с женским вокалом и средним темпом.

«Спеть своим голосом»: что возможно, а что придётся делать иначе

Модели, которая копирует ваш голос по загруженному образцу, в каталоге нет. Поэтому обещания «нейросеть спела вашим голосом» относятся не к этому набору инструментов.

Реалистичные варианты:

• Синтетический вокал. Suno поёт своим голосом, вы задаёте только пол, характер и манеру. Для поздравления этого обычно достаточно.
• Инструментал плюс живое исполнение. Сгенерируйте трек, а поверх спойте сами с телефона. Звучит кустарно, зато узнаваемо и честно.
• Текст от нейросети, всё остальное руками. Если у вас есть минус оригинала, самый близкий к «переделке» результат даёт именно этот путь: нейросеть работает только на шаге 2.

Типичные проблемы результата и что править в промте

Правило, которое экономит больше всего попыток: за один прогон меняйте что-то одно. Если поправили и текст, и жанр, и вокал, вы не поймёте, что именно сработало, и следующая итерация будет наугад.

Отдельный момент: сгенерированный вокал слышен. Если планируете куда-то выкладывать результат и хотите понимать, насколько это заметно со стороны, есть смысл проверить песню на признаки ИИ перед публикацией.

Права на оригинал: где заканчивается безопасная переделка

Текст и музыка оригинальной песни защищены авторским правом. Тот факт, что новую версию сгенерировала модель, этого не отменяет: переработка произведения - это тоже использование, и на него нужно разрешение.

Практический ориентир:

• Спеть переделку на дне рождения или отправить файл в семейный чат - бытовая история, вопросов обычно не возникает.
• Выложить на видеохостинг, в стриминг, использовать в рекламе или на корпоративном канале - нужно разрешение правообладателя на текст и на музыку, причём это часто разные люди.
• Написать текст и мелодию с нуля, без опоры на чужую песню - самый спокойный путь. Он же, кстати, у нейросети получается не хуже: модель всё равно придумывает мелодию сама.

Если сомневаетесь, простой тест: узнаёт ли посторонний слушатель оригинал в вашей версии. Если узнаёт по мотиву или по строчкам припева - вы работаете с чужим произведением, и решать это надо не промтом.