Текст песни нейросетью. Как получить строки, которые можно петь

Почему нейросеть выдаёт усреднённые рифмы

Языковая модель считает вероятность следующего слова. Ты просишь текст про любовь, и она честно достаёт самую частотную пару из всего, что видела, кровь и вновь. Просишь про боль, получаешь ноль и алкоголь. Это не поломка, это ровно то, чему её учили, и по умолчанию ты забираешь среднее по всем песням, которые она прочитала.

Вторая причина лежит в самом запросе. Человек пишет четыре слова, напиши текст песни про расставание, и удивляется, что в ответе дождь за окном, сигарета и непрочитанное сообщение. В запросе не было ни одной детали, которой нет у остальных, поэтому и в тексте её нет, а пустоту модель заполняет тем, что встречается чаще всего.

Третья причина техническая, и про неё почти не пишут. Модель не слышит свой текст. Она не знает, что строка в шестнадцать слогов не влезет в четыре такта, и не чувствует, куда попадёт ударение, когда мелодия дойдёт до сильной доли. Поэтому черновик бывает складным глазами и полностью нерабочим голосом, и это нормальное состояние любой генерации, а не признак того, что ты выбрал не ту модель.

• Слова-затычки. Душа, судьба, мечта, слёзы, дым, огонь, крылья, разбитое сердце. Два таких слова в четверостишии, и строка перестаёт что-либо сообщать.
• Ни одного предмета. В сильном куплете есть вещи, которые можно снять на телефон. Ключи в кармане чужой куртки, автобус в час ночи, чек из магазина у дома.
• Рифма ведёт смысл. Строка написана ради того, чтобы срифмовать, а не ради того, что в ней сказано. Проверяется за секунду, закрой последнее слово и посмотри, осталась ли мысль.

Что собрать до того, как открывать нейросеть

Пятнадцать минут подготовки экономят три часа переписки с моделью и десяток бесполезных перегенераций. Тебе нужны пять вещей, и все они берутся из твоей головы, а не из интернета, потому что интернет модель уже прочитала, а тебя нет.

• Одна фраза про тему. Не про расставание вообще, а про то, как ты полгода не удалял её номер и удалил в чужом такси. Чем уже тема, тем сильнее выходит текст.
• Свой словарь, 10-15 слов. Места, вещи, привычки, имена, детали работы. Модель разложит их по строкам, и текст сразу перестанет быть общим.
• Стоп-лист. Слова, которых в твоём тексте не будет никогда. Обычно туда идут душа, судьба, мечта, боль, крылья и вечность.
• Бит или референс по темпу. Под медленный бит короткая строка дышит, под быстрый она рассыпается, и длину строки ты задаёшь именно от темпа.
• Кто говорит и к кому. Текст от первого лица к конкретному человеку почти всегда сильнее текста в пустоту.

Если бита ещё нет, возьми любой чужой трек, под который ты бы это спел, и посчитай, сколько слогов помещается у него в строку куплета и в строку припева. Два числа, которые ты получишь, и есть твой ориентир, а не абстрактная цифра из чужого гайда. Единственное, что стоит держать в голове сверх этого, потолок. Строки длиннее 10-12 слогов нейросеть комкает или проглатывает, и с живым вокалом происходит примерно то же самое.

Скелет запроса, который даёт живые строки

Короткий запрос даёт короткий по мысли ответ. Рабочий запрос выглядит как техническое задание, где отдельно лежит тема, отдельно твои слова, отдельно структура и отдельно правила. Скопируй скелет, подставь своё и не бойся, что вышло длинно, длина тут работает на тебя.

Ты соавтор текста песни. Пишем на русском, петь буду я.

Тема. [одна фраза, конкретная история, без общих слов]
От чьего лица. [я, она, он] и к кому обращение
Жанр и настроение. [например поп-панк, злая, быстрая]
Мои слова. [10-15 слов и деталей из моей жизни, места, вещи, имена, привычки]
Запрещённые слова. душа, судьба, мечта, слёзы, боль, крылья, вечность

Структура и длина строк.
[Verse] 8 строк, длина строки [число слогов, которое я насчитал в референсе], потолок 12 слогов
[Chorus] 4 строки, заметно короче куплета, первая строка повторяется в конце
[Verse] 8 строк, та же длина, что и в первом куплете
[Chorus] повтор без изменений
[Bridge] 4 строки, самые короткие в песне

Правила.
Считай слоги в каждой строке и пиши их число в скобках после строки.
Рифмовка ABAB в куплете, AABB в припеве.
Неточные рифмы приветствуются, глагольные запрещены.
В каждом куплете минимум три конкретных предмета или действия.
Никаких сравнений, которые нельзя увидеть глазами.
В последнем слове строки ударение на последний или предпоследний слог.

Дай три разных варианта припева, куплеты при этом не переписывай.

Просьба писать число слогов в скобках нужна не модели, а тебе. Считает она плохо и регулярно промахивается на слог или два, зато сразу видно места, где она сама заметила перебор. Проверяешь вручную по пальцам, это тридцать секунд на куплет, и половина правок отваливается ещё до того, как ты открыл рот.

Три варианта припева просят не ради разнообразия. Обычно из трёх ты забираешь одну строку из первого варианта, одну из третьего и склеиваешь их сам, и вот это уже твой припев, а не машинный. Целиком припев из генерации не берут почти никогда, он звучит как обложка чужой песни, и слышно это с первого прослушивания.

Слоги. Из-за них строка и не поётся

Главная поломка текста из генерации это длина строк. Модель охотно пишет по шестнадцать и по восемнадцать слогов, потому что на экране такая строка выглядит красиво и связно. В вокале строки длиннее 10-12 слогов комкаются, окончания проглатываются и вместо мелодии получается скороговорка, которую слушатель не разбирает. Это одна из немногих вещей в теме, где есть понятный потолок, и его стоит держать в голове с первой строки.

Считать слоги просто, их в слове столько, сколько гласных. Проговаривай строку вслух и загибай пальцы, кончились десять пальцев, кончилась и строка. Парные строки внутри куплета держи в пределах одного слога разницы, иначе на записи придётся каждый раз перестраивать дыхание, и в третьем дубле это слышно.

Ударения и сильная доля такта

Нейросеть ставит ударение не по словарю, а по сетке такта. Слово попадает на сильную долю тем слогом, который туда пришёлся, и ты слышишь звОнит, красивЕе и прочие вещи, от которых текст рассыпается за одну секунду. Спорить с этим бесполезно, чинится оно в тексте, а не в промпте и не в сведении.

Правило простое. Смотришь, какой слог в слове ударный, и ставишь слово так, чтобы этот слог падал на счёт раз или три. Если слово упрямо не встаёт, меняешь его на синоним с другим ударением, и на это уходит меньше времени, чем на десять перегенераций подряд в надежде, что модель угадает сама.

• Следи за последним словом строки. Оно тянется дольше всех, и любую ошибку в нём слышно сильнее всего. Ставь туда слова с ударением на последний или предпоследний слог.
• Убирай слова с подвижным ударением. Там, где ты сам сомневаешься, куда его ставить, модель ошибётся тем более.
• Не оставляй три безударных слога подряд. Вокал в этом месте проваливается, и строка звучит как проговаривание списка.
• Проверяй имена и названия. Их коверкают чаще всего, потому что в песнях модель их почти не слышала.

Схема рифмовки и как её задать

Если схему не задать словами, модель по умолчанию свалится в парную рифмовку, где первая строка рифмуется со второй, а третья с четвёртой. Звучит она гладко и предсказуемо, и именно от неё текст отдаёт караоке. Схему надо называть в запросе прямо и буквами, тогда модель её держит почти без ошибок.

Второй приём, который убирает ощущение шаблона, это неточная рифма. Ветер и вечер, город и голод, руки и звуки рифмуются небрежно, зато не звучат заученно, и слушатель не угадывает конец строки заранее. Так и пиши в запросе, используй неточные рифмы и не рифмуй по словарю.

И третье. Запрети глагольные рифмы и однокоренные слова. Ушла и пришла это не рифма, а одна и та же форма дважды, и в песне такая пара слышна сразу, потому что окончание тянется дольше корня. Одна эта строчка в запросе меняет текст сильнее, чем переход на другую модель, хотя обычно все делают наоборот и меняют модель.

До и после. Что руки делают с четырьмя строками

Разберём на конкретном куске. Слева то, что выдала модель на запрос про расставание, справа то, что осталось после двадцати минут правки. Мысль везде одна и та же, поменялось только наполнение.

Ничего нового в правой колонке мы не придумали. Убрали слова, которые ничего не весят, и поставили на их место предметы, время суток и действия. Это и есть основная работа автора над текстом из генерации, и она занимает от пятнадцати минут до часа на куплет, если тема выбрана узко.

Если ты правишь дольше часа, проблема почти всегда не в строках, а в теме. Слишком широкая тема даёт слишком общие строки, и быстрее написать новый запрос с более узкой историей, чем вытаскивать этот текст ещё два вечера подряд.

Как править текст под вокал за один вечер

1. 1

   Прочитай вслух под бит

   Не про себя и не глазами. Включаешь минус, читаешь в темпе и отмечаешь места, где не успел вдохнуть или где язык споткнулся. Это и есть твой список правок, остальные строки трогать не надо.

2. 2

   Посчитай слоги в парных строках

   Выпиши число справа от каждой строки. Если разница между парными строками больше одного слога, режь длинную, а не растягивай короткую, растянутая строка всегда звучит натужно.

3. 3

   Замени абстракции на предметы

   Проходишь по стоп-листу и каждое найденное слово меняешь на вещь, действие или время суток. Одна такая замена на строку меняет ощущение всего куплета, даже если остальное осталось прежним.

4. 4

   Проверь конец каждой строки

   Последнее слово тянется дольше остальных. Если оно заканчивается скоплением согласных или слогом, который неудобно тянуть, поменяй порядок слов внутри строки, а не саму мысль.

5. 5

   Собери припев из лучших строк

   Из трёх вариантов забираешь две сильные строки, третью дописываешь сам и повторяешь первую в конце. Повтор нужен, чтобы человек запомнил её с первого прослушивания, а не с четвёртого.

6. 6

   Дай тексту сутки и перечитай

   На свежую голову половина вчерашних находок читается как штамп. Эта правка обычно последняя и занимает десять минут, зато именно она отделяет черновик от текста, который можно нести в студию.

Вот мой текст. Целиком его не переписывай и своих идей не добавляй.

[вставь текст]

Сделай три вещи.
1. Найди строки длиннее 12 слогов и предложи для каждой два варианта короче, смысл сохрани.
2. Найди слова из моего стоп-листа и предложи замену на конкретный предмет или действие.
3. Отметь строки, где ударение в последнем слове падает не на последний и не на предпоследний слог.

Ответь таблицей из трёх колонок, было, что не так, стало.

Отдельно проверь, что после всех правок текст не поменял смысл. Бывает так, что по строкам стало заметно лучше, а история развалилась, и первый куплет теперь про одно, второй про другое, а припев вообще про третье. Такое ловится только чтением текста подряд, от первой строки до последней.

Проверка текста перед тем, как его петь

Шесть пунктов, по которым текст проходит перед записью. Если хоть один не выполнен, в студии это вылезет и обойдётся дороже, потому что переписывать строку между дублями всегда хуже, чем дома за столом.

• Каждая строка поётся на одном выдохе. Если воздуха не хватает дома на репетиции, у микрофона его не хватит тем более.
• В каждом куплете минимум три конкретные вещи. Предмет, место или действие, которое можно увидеть.
• Припев короче куплета и повторяется дословно. Слушатель запоминает повтор, а не красивую вариацию.
• Ни одной строки, написанной ради рифмы. Закрываешь последнее слово, мысль должна остаться на месте.
• Первая строка цепляет без контекста. Её услышат в отрывке на пятнадцать секунд, и второго шанса объяснить не будет.
• Ты можешь объяснить каждую строку. Строка, которая стоит только потому, что её написала модель, вылетит на первой же записи.

Где заканчивается нейросеть и начинается автор

Модель хорошо делает три вещи. Даёт двадцать вариантов там, где у тебя ноль, держит заданную структуру и подбирает рифму к слову, которое ты сам срифмовать не смог. Всё остальное она делает средне, потому что среднее и есть её задача, она собрана ровно для этого.

Автор делает то, чего в обучающих данных не было. Твою деталь, твою интонацию, твою неудобную строку, которую до тебя никто не писал, потому что это было только с тобой. Именно по этим местам слушатель понимает, что песня чья-то, а не собранная из готовых кусков.

Понимать масштаб полезно, потому что генерация давно перестала быть редкостью. На Звуке в августе 2026 каждый десятый новый релиз содержал музыку, полностью или частично созданную нейросетью, а прослушивания полностью нейросетевых песен в России выросли на 135 процентов за три месяца, если считать от ноября 2025 года. Это данные КИОН Музыки, и они означают одно, конкуренция в этом поле уже плотная, а отличает трек только то, что в него доложил живой человек.

Загружают миллионы, слушают единицы. Разницу делает не генератор, а то, что ты доложил в текст руками, и то, сколько живых людей вообще узнало, что трек вышел. Ни первое, ни второе кнопкой не решается, и на этом заканчивается любой разговор про то, какая нейросеть лучше пишет тексты.

Что делать с готовым текстом дальше

Дальше две честные дороги, и обе рабочие. Первая, ты берёшь текст и делаешь на нём настоящий трек. Индивидуальный бит под тебя, живой вокал, сведение и мастеринг, обложка и выпуск на площадки. Готовый трек стоит от 50 000 ₽ за сингл, а Песня под ключ, где мы пишем и слова, и музыку, от 100 000 ₽ за песню.

Вторая дорога для тех, у кого трек уже вышел где-то ещё. Тогда вопрос давно не в тексте, а в том, что его никто не услышал, и решается это посевом в TikTok от 65 000 ₽ за два релиза и таргетом ВКонтакте от 110 000 ₽ за два релиза. Связка посева и таргета стоит от 150 000 ₽ за два релиза. Гарантий по цифрам мы не даём и плейлисты как услугу не продаём, отдача от них слабая.

• Закон о маркировке подписан 26 июля 2026. Он обязывает платформы с аудиторией от 500 тысяч пользователей в сутки дать людям возможность помечать аудио и визуальные материалы, созданные нейросетями.
• Требования вступают в силу 1 марта 2027 года. Формат маркировки устанавливается соглашением между разработчиками ИИ-сервисов и их пользователями.
• Яндекс Музыка в августе 2026 подтвердила планы маркировать такие треки. Формат ещё обсуждается с правообладателями, а делить каталог на обычный и нейросетевой площадка пока не собирается.

Частые вопросы