Статья

Как описать музыку для нейросети: структура хорошего промпта

Как описать музыку для нейросети: структура хорошего промпта

Ozven MusicOzven Music·7 ноября·
27
··0·
Если коротко: хороший музыкальный промпт для нейросети — это не поэма, а короткая и конкретная «карточка» трека. В неё входят жанр, настроение, два-три инструмента, тип вокала и характер звучания, причём в этом порядке. Чем точнее слова и чем меньше противоречий, тем ближе результат к тому, что у вас в голове.
Меня зовут Ozven, я продюсер и композитор проекта Schai. Мне каждый день приходится объяснять звук словами — и музыкантам в студии, и теперь нейросетям. Оказалось, что эти два навыка почти одинаковы, и всё упирается в то, как музыка вообще описывается.

Почему модель вас не «слышит»

Музыкальная нейросеть не знает, что вы хотите. Она получает текст, превращает его в набор чисел и ищет в своём «опыте» такие звуки, которые чаще всего встречались рядом с этими словами. Слово «грустный» для неё не чувство, а статистическая связь с медленным темпом, минором, мягкими тембрами. Поэтому одно слово «грустная песня» даёт усреднённую картинку: типичную грустную песню, которую вы уже слышали сто раз.
Отсюда главный принцип. Промпт должен сужать пространство вариантов. Каждое точное слово отсекает большой кусок возможных результатов, а каждое размытое слово оставляет всё как было. Описывайте не «ощущение», а то, из чего оно сделано: темп, тембр, ритм, пространство.

Два поля: стиль и текст

В большинстве сервисов, включая Suno, запрос делится на две части. Одна — это поле стиля, где вы задаёте жанр, настроение, инструменты и вокал. Вторая — поле текста песни, где лежат слова и пометки структуры. Это видно и в интерфейсе: в справке Suno описана панель Clip Info, которая, как сказано на странице, собирает в одном месте текст, стилевые теги и стемы клипа. Полезная привычка: после удачной генерации открыть эту панель и сохранить теги, которые сработали. Свои рабочие формулировки стоит собирать в записную книжку, как собирают пресеты.
Смешивать поля не нужно. Всё, что описывает звук, идёт в стиль. Всё, что будет петься, и пометки вроде «куплет» и «припев», идёт в текст. Если написать в поле текста «играет гитара», модель может попытаться прочитать это слово вслух.
Сам сервис описывает задачу ещё проще: на странице Suno предлагается описать желаемую песню — жанр, настроение, тему или собственные слова — и нажать «создать», а для тонкой настройки есть отдельные элементы управления: выбор вокала, исключения, ползунки «странности» и близости к стилю. Простой запрос вроде «спокойный лоуфай-бит про дождливое утро» там тоже работает. Разница между простым и точным запросом такая же, как между «сфотографируй красиво» и «портрет, мягкий боковой свет, длинный фокус»: оба дадут снимок, но второй попадёт ближе.

Формула, которая работает

Рабочий порядок из моей практики и из публичных гайдов сообщества такой: жанр и эпоха, настроение, два-три ключевых инструмента, тип вокала, продакшн. Пример: «синтвейв 1980-х, ностальгическое и чуть горькое настроение, аналоговые синтезаторы и драм-машина, женский вокал с воздушным тембром, широкая реверберация».
Две оговорки. Во-первых, всё это опыт пользователей, а не гарантии разработчика: правила сервисов и лимиты длины полей меняются от версии к версии, поэтому проверяйте актуальные ограничения в самом интерфейсе. Во-вторых, порядок слов действительно важен: сообщество советует ставить жанр первым, и на практике это работает, потому что основа стиля должна задаваться раньше деталей.

Жанр: будьте уже, чем «рок» и «поп»

Слово «рок» покрывает десятки разных звучаний. «Инди-рок с гитарами в духе 2000-х» или «ранний панк-рок, грязная гитара» сужают выбор намного сильнее. Если сомневаетесь, комбинируйте два жанра, но не больше: три-четыре жанра в одном запросе начинают спорить друг с другом.

Настроение: два-три слова, не девять

Настроение работает хуже всего, если оно одно и без поддержки. «Тёплое, неторопливое» вместе с «акустическая гитара, контрабас» даёт чёткую картинку. А «энергичное, меланхоличное, светлое, тёмное, эпичное» даёт кашу, потому что слова противоречат друг другу.

Инструменты: называйте звук

Инструмент в промпте — самый сильный рычаг, потому что у него есть конкретный тембр. Сравните: «джазовая грусть» и «приглушённая труба, контрабас, щётки по малому барабану». Второй вариант буквально описывает звучание. Выбирайте два-три инструмента, а не десять: оркестр из пятнадцати позиций модель всё равно не сыграет аккуратно.

Вокал: скажите прямо

Если не указать вокал, модель выберет за вас, и чаще всего выберет не то. Пишите тип голоса, манеру и язык: «женский вокал, мягкий, полушёпот, русский язык» или «без вокала, инструментал». Если нужен именно инструментал, скажите это явно в обоих полях.

Продакшн: пространство и фактура

Это самое тонкое поле. Слова вроде «сухой звук, близкий микрофон», «лоуфай, плёночная фактура» или «большой зал, длинная реверберация» меняют ощущение глубины. Это то, что звукорежиссёр называет пространством, и модели хорошо понимают такие описания, потому что они часто встречаются рядом с разными жанрами.
Формула музыкального промпта для нейросети: жанр, настроение, инструменты, вокал и продакшн по порядку

Структура и текст: подсказки по форме

В поле текста принято ставить короткие пометки в квадратных скобках: «Intro», «Verse», «Chorus», «Bridge», «Outro». Это не официальный язык программирования, а общепринятая привычка сервисов, и работает она не идеально. Практический совет: делайте куплеты примерно одной длины, а припев короче и проще. Модель лучше держит форму, когда строки укладываются в похожий ритм.
Если пишете слова сами, считайте слоги. Строка из шести слогов рядом со строкой из шестнадцати даёт сбивку ритма, и никакой промпт стиля это не исправит.

Типичные ошибки, которые я вижу чаще всего

Первая: просить стиль через имя живого исполнителя. Во-первых, это может нарушать правила сервиса, во-вторых, результат всё равно получается приблизительным. Гораздо надёжнее разобрать, чем этот звук характерен, и описать его свойства: «хриплый низкий голос, акустическая гитара, неторопливый ритм».
Вторая: противоречия внутри запроса. «Тихая камерная баллада» и «мощный агрессивный бит» в одном стиле заставляют модель выбирать, и она выберет не обязательно то, что вам нужно. Если вам правда нужен контраст, разведите его по частям песни: тихий куплет, мощный припев — и укажите это в структуре.
Третья: слишком длинный запрос. Чем больше деталей, тем выше шанс, что часть из них будет проигнорирована или отрезана. Короткий список из пяти-семи осмысленных признаков стабильнее, чем абзац.
Четвёртая: ожидание «студийного» результата с первого раза. Промпт задаёт замысел, но не заменяет аранжировку и сведение. Для готового релиза генерацию обычно ещё нужно разбирать на дорожки, доводить на слух и сводить.
Четыре типичные ошибки в промптах для музыкальной нейросети и чем они мешают результату

Как итерировать

Первая генерация редко бывает точной, и это нормально. Меняйте за раз одну деталь. Если убрали два инструмента и поменяли вокал, вы уже не поймёте, что сработало. Относитесь к промпту как к эксперименту: гипотеза, одно изменение, сравнение.
Записывайте удачные результаты вместе с запросом. Через месяц у вас накопится собственная библиотека формулировок, которая полезнее любого чужого списка «лучших тегов».

Права и честность

Отдельный разговор — кому принадлежит результат и можно ли его выпускать как свою музыку. Условия зависят от сервиса и от тарифа, и закон здесь тоже не стоит на месте. Прежде чем выкладывать трек на площадки, прочитайте нашу статью об авторских правах на музыку, созданную нейросетью, а условия конкретного сервиса — в его собственных правилах. Если нужно, например, получить минус из готовой песни, пригодится разбор про разделение на дорожки нейросетью.

Коротко

Описывайте звук, а не чувство. Порядок такой: жанр и эпоха, настроение в два-три слова, два-три инструмента, вокал, продакшн. Не смешивайте поле стиля и поле текста. Меняйте за раз одну деталь и записывайте удачные формулировки. Лимиты и правила сервисов проверяйте в самом интерфейсе, а перед публикацией читайте условия использования результата.
0

Пока нет комментариев