Как описать стиль песни, чтобы попасть с первого раза

Между «сделай красивую песню» и готовым треком, который звучит ровно как задумано, лежит одно поле ввода — описание стиля. Оно короткое, и именно поэтому в нём легко промахнуться: модель достраивает всё, что вы не сказали, и достраивает по-своему.

Формула, которая работает

Рабочее описание собирается из пяти частей: жанр, темп, инструменты, вокал, настроение. Порядок не критичен, важна полнота.

• Жанр. Опора всей генерации. «Русский рок», «синти-поп», «шансон», «фолк», «лоу-фай».
• Темп. Словами или цифрами: «медленный», «средний темп», «energetic», «около 90 ударов в минуту».
• Инструменты. Самая недооценённая часть. «Живая акустическая гитара и бас», «пианино и струнные», «808-бас и хлопки».
• Вокал. Мужской или женский, хриплый или чистый, с подпевками или без.
• Настроение. «Тепло и ностальгично», «зло и напористо», «спокойно, для фона».

Пример вместо теории. Плохо: «грустная песня». Хорошо: «медленная акустическая баллада, гитара и фортепиано, мужской хриплый вокал, ностальгическое настроение, без ударных в первом куплете».

Что модель понимает, а что игнорирует

Понимает: названия жанров и поджанров, инструменты, темп, характер вокала, эпоху («звучание восьмидесятых»), способ записи («как живой концерт», «лоуфай-запись с шумом плёнки»).

Игнорирует или понимает криво: имена исполнителей и названия групп. Просьба «как у известного артиста» либо не даёт ничего, либо упирается в фильтры. Вместо имени описывайте звук: не «как у той группы», а «плотные гитары, речитатив в куплете, широкий припев с подпевками».

Отдельная ловушка — просьбы про длину и структуру внутри поля стиля. «Сделай три куплета» там не работает: структуру задаёт разметка текста, а не описание стиля.

Разметка текста — половина результата

В тексте песни служебные пометки в квадратных скобках управляют формой: [Куплет], [Припев], [Бридж], [Проигрыш]. Модель читает их как инструкции и строит по ним аранжировку: припев звучит плотнее, бридж выбивается, проигрыш даёт паузу от голоса.

Три практических правила. Первое: одинаковый припев пишите одинаковым текстом — тогда он и споётся одинаково, а песня запомнится. Второе: не ставьте больше двух-трёх куплетов, иначе трек уйдёт за четыре минуты и его перестанут дослушивать. Третье: пометки на русском работают, но английские [Verse] и [Chorus] модель понимает чуть увереннее.

Исключения стилей

Отдельное поле «исключить стили» решает проблемы, которые описанием не лечатся. Классический случай: просите русский рок, а получаете припев с женскими подпевками в стиле эстрады. Пишете в исключения «эстрада, женские подпевки» — и следующая версия чище.

Туда же идут «медленный темп», если генерация упорно тянет балладу, и «искажённый звук», если вокал звучит перегруженным. Одно-два исключения работают лучше, чем список из десяти: длинный список модель размывает.

Почему две версии всегда разные

Каждая генерация выдаёт два варианта, и они отличаются сильно: другая мелодия, другая подача, иногда другой темп. Это не сбой, а свойство генерации — одно и то же описание даёт разные прочтения.

Пользоваться этим стоит так: не переделывайте описание после первой пары, сделайте вторую с тем же текстом. Часто нужная версия приходит именно на втором заходе, и это дешевле, чем переписывать промпт наугад.

И обратное правило: если обе версии из пары мимо в одну и ту же сторону — например, обе слишком медленные, — вот тогда правьте описание. Один параметр за раз, иначе непонятно, что помогло.

Четыре описания, которые можно взять как есть

• Поздравление: средний темп, акустическая гитара и лёгкие струнные, тёплый мужской вокал, светлое настроение, без электроники.
• Трек для Reels: энергичный электропоп, плотный бит и синтезаторы, женский вокал, цепкий припев, около 120 ударов в минуту.
• Драматичная баллада: медленное фортепиано и струнные, чистый вокал с придыханием, нарастание к финалу, минимум ударных.
• Фоновая музыка: лоу-фай, спокойный бит, электропиано, без вокала, ровное настроение для работы.

Сколько стоит эксперимент

Одна генерация — 20 ₽ за две версии. То есть перебрать четыре разных описания стиля стоит 80 ₽ и занимает минут пятнадцать. Это дешевле, чем один час размышлений о том, какое описание правильнее: в генерации музыки проверка всегда быстрее теории.