Нейросети для генерации музыки за последние пару лет шагнули так далеко, что вчерашняя фантастика сегодня умещается в браузерной вкладке. Suno — одна из тех платформ, где за пару кликов рождаются вполне сносные треки с голосом, припевом и аккомпанементом. Но что делать, если сгенерированная композиция почти идеальна, а вокал в ней — лишний? Кому-то нужна минусовка под караоке, кому-то — инструментал для подкаста или фона ролика, а кто-то планирует записать поверх свой собственный голос. Задача не из лёгких, но решаемая. И начать стоит с понимания того, как вообще устроена генерация в Suno и какие инструменты она даёт пользователю.
Как Suno генерирует трек
Сама платформа изначально создаёт композицию целиком — вокальную партию и инструментал нейросеть «склеивает» в финальный микс ещё до того, как файл попадает к вам. Это не та история, где у вас на руках отдельные дорожки барабанов, баса, гитары и голоса. Всё уже сведено. Потому и просто «отключить» голос галочкой не выйдет — такой кнопки в интерфейсе нет, как бы ни хотелось. Дело в том, что архитектура модели работает по принципу единого аудиополотна, а не по схеме многоканальной студийной сессии. Отсюда и все сложности, с которыми сталкивается обыватель, впервые открывший сервис ради чистого минуса.
Есть ли встроенный способ?
Короткий ответ — да, частично. Внутри Suno появилась функция Stems (или «Get Stems», в зависимости от версии интерфейса), которая позволяет разделить готовый трек на две дорожки: вокал и инструментал. Работает это на стороне сервера, через ту же нейросетевую разделялку, что и большинство современных аналогов. Чтобы воспользоваться, нужно открыть готовую песню в библиотеке, нажать на три точки рядом с треком и выбрать пункт, связанный со скачиванием отдельных партий. Через несколько секунд (иногда — пару минут) вы получаете два файла: голос отдельно, музыку отдельно. Звучит как сказка? Не совсем.
Подводные камни встроенного разделения
Тут вступает в игру ложка дёгтя. Качество отделения вокала напрямую зависит от того, насколько чисто нейросеть его «прописала» при генерации. Если голос плотно сидит в миксе, дублируется хором, обработан реверберацией и дилеем, на выходе вы получите инструментал с призраками. Шипящие, обрывки слов, фантомные «эхо» от припева — всё это любимые гости таких миксдаунов.
Нереальный визуал и кинематографичное видео в пару кликов 🎬
Нужен крутой концепт-арт, реалистичная анимация или профессиональный апскейл? Теперь у вас есть единый доступ к лучшим визуальным нейросетям планеты: Midjourney, Runway, Kling и Sora. Улучшайте качество готовых роликов до максимума с помощью встроенных ИИ-инструментов. Никаких сложных настроек, мощного ПК или зарубежных карт. Всё работает прямо в браузере или в Telegram-боте!
Откройте новые горизонты для творчества. Жмите на ссылку, регистрируйтесь и создавайте шедевры 👉 https://clck.ru/3RNCRL
К тому же функция Stems доступна не на всех тарифах. Бесплатным пользователям её, как правило, не дают, а платная подписка — не самое серьёзное вложение, но кошелёк всё-таки станет легче.
И ещё нюанс: разделение работает только с теми треками, которые сгенерированы относительно недавно, на новых версиях модели (v3.5 и выше).
Промт-инжиниринг: убрать вокал ещё до генерации
А вот и самый изящный путь, о котором почему-то редко говорят. Зачем вырезать голос постфактум, если можно сразу попросить нейросеть его не добавлять? В Suno есть режим Custom Mode — расширенный редактор, где вы вручную задаёте стиль, текст и теги. Секрет прост. В поле для лирики вместо слов песни вписываете служебный тег [instrumental], а строку с текстом оставляете пустой. Можно усилить эффект, добавив в описание стиля пометки вроде «instrumental only», «no vocals», «no lyrics», «backing track». Нейросеть в большинстве случаев слушается и выдаёт чистую инструментальную композицию — ту самую, что нужна для караоке, рекламы или фона.
Работает ли это всегда? Увы, нет. Иногда модель «забывается» и подкидывает вокализы — без слов, но с голосом. Особенно этим грешат жанры вроде попа, R&B и эпик-оркестровок, где голосовые партии прописаны в самой ДНК стиля. Помогает повторная генерация — кнопка «Create» в Suno бесплатна по кредитам, и две-три попытки обычно дают чистый результат. Кстати, ещё один лайфхак: укажите в стиле жанр, который традиционно обходится без вокала. Lo-fi, ambient, classical piano, cinematic score, drum and bass instrumental — всё это работает довольно надёжно.
Сторонние нейросети-разделители
Если встроенный Stems не выручил или подписки нет, на помощь приходят внешние сервисы. Их сейчас целый кладезь, и каждый со своей спецификой. Самым популярным и довольно бесплатным считается Vocal Remover — простенький веб-сервис, куда загружаете mp3 и через минуту скачиваете два файла. Чуть качественнее работает LALAL.AI — он распознаёт не только вокал, но и отдельные инструменты (барабаны, бас, гитару, синтезаторы). Бесплатно даёт обработать около десяти минут, дальше — платно, но не сильно ударит по кошельку. Профессионалы тяготеют к Moises и iZotope RX, последний — настоящий зверь по части реставрации звука, хотя и стоит как небольшой комбайн.
Отдельно стоит упомянуть open-source решения вроде Demucs от Meta и UVR (Ultimate Vocal Remover). Это бесплатные программы, которые ставятся на компьютер и крутят нейросеть локально. Преимущества очевидны: нет лимитов, нет загрузки файлов на чужие сервера, можно выбрать конкретную модель разделения под ваш жанр. Минус один, но существенный — нужна более-менее свежая видеокарта и желание разобраться в установке. Зато результат порой обходит платные сервисы.
Какой сервис выбрать под трек из Suno?
Тут многое зависит от характера композиции. Если у вас спокойная баллада с одним голосом — справится почти любой разделитель, даже самый бюджетный. А вот если генерация вышла плотной, с многослойным бэк-вокалом, эффектами и хорами, придётся повозиться.
Опыт показывает: для треков из Suno лучше всего работает связка UVR с моделью MDX-Net Kim или MDX23. Эти модели обучены на современных миксах и неплохо справляются с «синтетическим» характером звука, который оставляет нейросеть.
LALAL.AI идёт следом, особенно в режиме Phoenix. А вот совсем простые онлайн-вырезалки на треках Suno нередко дают мутный, пустой инструментал — голос-то ушёл, но и часть высоких частот забрал с собой.
Пошаговый разбор через UVR
Установка занимает минут десять. Скачиваете дистрибутив с официального GitHub разработчиков, ставите как обычное приложение, при первом запуске докачиваете модели через встроенный менеджер. Дальше — рутина. Перетаскиваете mp3 или wav из Suno в окно программы, в настройках выбираете тип процесса (MDX-Net), модель (Kim Vocal 2 — отличный универсал), указываете папку для сохранения и жмёте кнопку обработки. Минута-две на средней видеокарте — и в папке лежат два файла: чистый вокал и инструментал. Если на минусе всё ещё слышны призраки голоса, прогоняете результат повторно, уже через другую модель (например, UVR-DeEcho-DeReverb) — она дочистит хвосты реверберации и дилея.
Финальная доводка в редакторе
Бывает так, что инструментал получается, но звучит «придушенно» — будто из-за стены. Это связано с тем, что нейросеть выдрала из микса не только голос, но и часть средних частот, на которых он сидел. Спасательный круг — лёгкая эквализация в любом бесплатном редакторе вроде Audacity или Reaper. Поднять диапазон 2–4 кГц на пару децибел, добавить чуть-чуть верха в районе 10 кГц — и трек оживёт. Не стоит перебарщивать с обработкой, иначе вылезут артефакты. Если на дорожке всё же остались обрывки слов в тихих местах, их можно вырезать вручную, заменив на короткие фейды. Кропотливо, но эффективно.
Юридическая сторона вопроса
Многие считают, что раз трек сгенерирован нейросетью — он автоматически ваш. На самом деле всё чуть сложнее. Suno в пользовательском соглашении прописывает условия использования сгенерированного контента, и они зависят от тарифа.
На бесплатном плане треки остаются собственностью платформы с правом некоммерческого использования, на платных — переходят к автору с куда более широкими правами.
Так что прежде чем пускать минус из Suno в коммерческий ролик или продавать как бит, имеет смысл заглянуть в актуальную редакцию Terms of Service. Документ читается тяжело, но один раз пробежать его глазами всё-таки стоит.
Когда лучше сгенерировать заново
Иногда самый разумный путь — отказаться от попыток вычистить вокал и просто пересоздать трек в инструментальном режиме. Особенно если оригинал не критически важен и вы готовы получить похожую, но не идентичную композицию. Suno умеет работать с функцией Continue и Cover — можно взять понравившийся фрагмент и попросить нейросеть продолжить его без голоса. А ещё в режиме Custom есть возможность залить своё аудио (Upload Audio) и сгенерировать на его основе вариации — иногда получается ближе к оригиналу, чем грубое разделение через сторонние программы. Этот метод требует немного экспериментов, зато результат звучит цельно, без артефактов разделения.
Удачи в творческих экспериментах — пусть ваши минусовки звучат чисто, а голос на них ложится так, словно был задуман с самого начала.
