Нейросети для генерации музыки вроде Suno или Udio воспринимают многоголосие не как набор независимых звуковых дорожек, а как единую звуковую волну. Из-за этого при попытке создать дуэт или добавить сложный бэк-вокал алгоритм часто путается: голоса сливаются в один, мужской вокал внезапно становится женским, а вместо гармоничного хора получается неразборчивый шум.
Управлять несколькими голосами можно, но для этого нужно использовать специфическую разметку текста (метатеги) и понимать, как принудительно переключать внимание нейросети.
| Что разберем | Что это даст на практике |
| Как правильно прописать дуэт или диалог | Добьетесь четкой смены голосов без их слияния в один |
| Как добавить бэк-вокал и хор | Сделаете припев объемным, избежав каши из звуков |
| Почему нейросеть путает голоса и как это исправить | Перестанете тратить лимиты генераций на вокальные ошибки |
| Как использовать догенерацию (Extend) для смены вокалиста | Сможете склеить трек из разных голосов, если теги не сработали |
Базовые принципы управления голосами
Чтобы нейросеть поняла, что в песне поют разные люди, недостаточно просто написать тексты с новой строки. Необходимо использовать структурные теги в квадратных скобках [ ] и круглых скобках ( ).
Кроме того, стиль многоголосия должен быть обязательно прописан в основном блоке жанра (Style Prompt). Если вы не укажете там duet, choir или multiple vocalists, текстовые теги внутри песни сработают гораздо хуже.
Сценарий 1. Дуэт и поочередное пение (диалог)
Самая частая задача – чередование мужского и женского вокала или двух разных голосов. Чтобы алгоритм переключил голос, ему нужно дать явную команду перед нужной строкой.
Как прописать в тексте:
[Male Vocal]
Я ждал тебя на этой станции час.
[Female Vocal]
А я просила не приезжать сейчас.
[Both]
Мы снова говорим на разных языках.
Важное правило: Нейросеть плохо переключает голоса, если между ними нет паузы. Чтобы смена вокалиста прошла чисто, вставляйте между их партиями короткий инструментальный проигрыш. Это сбрасывает «память» алгоритма о предыдущем голосе.
Правильный вариант со сбросом:
[Male Singer]
Текст первого вокалиста.
[Short Instrumental Pause]
[Female Singer]
Текст второй вокалистки.
Сценарий 2. Основной вокал и бэк-вокал
Если вам нужно, чтобы второй голос подпевал на фоне, повторял слова как эхо или создавал атмосферу, используйте круглые скобки. Текст в круглых скобках нейросеть считывает как фоновый звук или голос второго плана.
Как прописать в тексте:
[Verse]
Я иду по ночному городу (по ночному городу)
И не вижу в окнах света (света нет)
[Chorus]
[Lead Singer]
Только ветер поет со мной!
[Backing Vocals]
(А-а-а, ветер поет)
Ограничение: Не пытайтесь заставить нейросеть петь два кардинально разных длинных текста одновременно. Если основной голос поет длинную фразу, а бэк-вокал – совершенно другую длинную фразу, получится звуковая каша. Бэк-вокал должен быть коротким: эхо, выкрики, отдельные слова или вокализы (охи, ахи).
Сценарий 3. Хор и толпа
Для создания массового звучания используются специальные теги хора. Они работают лучше всего, если в поле жанра тоже прописано choir, gospel, anthem или crowd vocals.
Рабочие теги для массовых голосов:
- [Choir] – академический или церковный хор. Хорошо подходит для эпичной, симфонической или рок-музыки (в стиле Queen).
- [Gospel Choir] – энергичный, многоголосый хор. Дает мощный объем в припевах.
- [Crowd] или [Gang Vocals] – нестройное пение толпы. Идеально для панк-рока, стадионных гимнов или рэп-припевов.
- [Childrens Choir] – детский хор.
Пример использования:
[Verse]
Один шаг до края земли.
[Epic Chorus]
[Choir]
Мы встанем стеной против бури!
Наш голос пробьет облака!
Частые ошибки и точки провала
Ошибка 1. Голоса сливаются в один «мутантский» голос
Вы прописали дуэт, но на второй строке мужской голос начинает неестественно пищать, пытаясь стать женским, не прерывая пения. Это происходит из-за того, что алгоритм пытается плавно трансформировать волну, а не включить новую дорожку.
Как избежать: Разбивайте куплеты инструментальными вставками [Interlude] или [Beat Drop]. Дайте алгоритму хотя бы 2-3 секунды тишины для смены вокалиста.
Ошибка 2. Тег [Both] превращается в удвоенную громкость
Вместо того чтобы спеть в два разных голоса, нейросеть просто накладывает один и тот же голос сам на себя с легкой задержкой (эффект хоруса), от чего трек просто начинает «кричать».
Как избежать: Если тег [Both] не дает нужного эффекта, замените его на связку: в поле жанра укажите vocal harmony, а в тексте используйте [Harmonizing Vocals]. Это заставит нейросеть генерировать разные ноты для голосов.
Ошибка 3. Игнорирование тегов вокала
Вы пишете [Female Vocal], а продолжает петь мужчина. Это значит, что алгоритм «застрял» в текущем паттерне и не видит причин его менять.
Как избежать: Добавьте эмоциональный или стилистический маркер прямо к вокалу. Например: [Soft Female Vocal], [Aggressive Male Rap]. Чем конкретнее описан тембр, тем выше шанс на успешное переключение.
Продвинутый метод: разделение через Extend (Inpainting)
Если текстовые теги не помогают и нейросеть упорно поет все одним голосом, используйте технический обходной путь – функцию продолжения трека (в Suno это Extend, в Udio – Extend или Inpainting).
Пошаговый алгоритм для создания чистого дуэта:
- Шаг 1. Сгенерируйте первую часть песни (например, мужской вокал). В поле жанра напишите male vocal, acoustic.
- Шаг 2. Обрежьте трек (Crop) ровно на том моменте, где должен вступить второй голос. Желательно обрезать на паузе.
- Шаг 3. Нажмите Extend (Продолжить).
- Шаг 4. В поле жанра удалите male vocal и впишите female vocal (или другой нужный стиль). В поле текста оставьте только слова для женского голоса.
- Шаг 5. Сгенерируйте продолжение. Нейросеть подхватит мелодию, но из-за смены жанрового промпта вынуждена будет сменить голос.
Этот метод требует больше лимитов (кредитов), но дает стопроцентный контроль над сменой вокалистов.
Ограничения: чего пока сделать нельзя
Чтобы не тратить время на невыполнимые задачи, учитывайте текущие жесткие ограничения аудио-нейросетей:
- Нельзя выгрузить голоса по отдельности (Stem separation). Нейросеть выдает готовый микс. Если вам нужно развести мужской и женский голос по разным каналам при сведении, придется использовать сторонние сервисы (например, Lalal.ai или UVR), но они разделяют только вокал и музыку, а не два разных вокала между собой.
- Нельзя контролировать точные интервалы в гармониях. Вы не можете приказать нейросети: «один голос поет в терцию, а второй в квинту». Алгоритм сам решает, как выстроить гармонию.
- Нельзя заставить петь одновременно два длинных разных текста. Контрапункт (когда два человека поют совершенно разные стихи одновременно и оба разборчивы) нейросети пока недоступен. Текст превратится в брак.