Просто написать «мужской голос» недостаточно. Нейросеть interpretadaет такой запрос по-своему и может выдать женский вокал, смешанное пение или роботизированную речь. Нужно описывать тембр, диапазон и манеру исполнения.
Главное правило
Голос описывается комбинацией тегов: жанр + тембр + манера + эмоция. Без этого пол вокала остаётся случайным.
Промт для вокала — это текстовое описание, которое передаёт нейросети не только тему песни, но и желаемое звучание голоса: пол, возраст, тембр, диапазон, манеру пения и эмоциональную окраску.
Почему один тег «мужской голос» не работает
Неоднозначность. Слова «мужской голос» не фиксируют диапазон. Для нейросети это может быть бас, тенор, баритон, крик, шепот или речь под инструментал.
Контекст жанра. В одном жанре мужской звучит агрессивно, в другом — нежно. Без указания стиля нейросеть подставляет наиболее частый шаблон из обучающей выборки.
Язык модели. Нейросеть обучена на тегах преимущественно на английском языке. Русские слова в описании могут игнорироваться или переводиться приблизительно.
Типы мужского голоса и теги для промта
Бас
Низкий насыщенный тембр. Теги: male bass voice, deep male vocals, baritone-bass, low register.
Баритон
Средне-низкий диапазон, универсален для рока, джаза, поп-музыки. Теги: male baritone voice, warm baritone vocals, rich male voice.
Тенор
Высокий мужской голос, подходит для мелодичного пения и оперных партий. Теги: male tenor voice, high male vocals, bright tenor.
Фальсет
Высокий лёгкий или хриплый верхний регистр. Теги: male falsetto voice, airy male vocals, soft high voice.
Структура рабочего промта
Готовые примеры промтов для мужского вокала
Что не стоит писать в промте
Абстрактные оценки
Фразы «поёт как популярный исполнитель» или «голос как у знаменитого певца» не дают гарантии. Нейросеть не копирует конкретные голоса.
Противоречивые теги
Сочетание «soft whisper» с «aggressive scream» может запутать модель и привести к случайному результату.
Слишком длинные описания
Огромные абзацы вместо тегов часто игнорируются. Лучше 5–10 точных слов, чем предложение из трёх строк.
Частые вопросы
Теги и стилевые описания лучше формулировать на английском, так как модель обучена преимущественно на английских запросах. Основной текст песни может быть на любом языке.
Не точнее, чем тегами young male voice или older male voice. Результат зависит от обучающей выборки и не гарантируется.