Нейросеть для генерации музыки: SymFormer (Маэстро)

Обновлено в 2026 году.

Нейросеть для генерации музыки создаёт готовый трек из текстового описания: вы задаёте жанр, настроение, инструменты и темп, а модель за минуту-две выдаёт композицию с аранжировкой, а иногда и с вокалом. Рабочие сервисы 2026 года — Suno, Udio, российский SymFormer в составе «Маэстро» от Сбера, Mubert и AIVA. Музыкальный опыт не нужен: достаточно текстового запроса.

• Как это работает: текст переводится в музыкальные признаки (жанр, темп, структура), затем модель генерирует ноты или звук.
• Для песни с вокалом на русском — Suno; для инструментала и оркестра — Udio и AIVA.
• Бесплатно и без ограничений на коммерцию — «Маэстро» (SymFormer) от Сбера.
• Фоновая музыка для видео и стримов — Mubert.
• Главный подвох — права: на бесплатных тарифах коммерческое использование обычно запрещено.

Как нейросети генерируют музыку из текста

Text-to-music работает в два такта. Сначала отдельная модель разбирает ваш запрос и переводит слова в набор музыкальных параметров — жанр, темп, тональность, структуру куплетов. Затем генеративная модель по этим параметрам собирает саму композицию: мелодию, аккомпанемент, бас, а в песенных сервисах ещё и вокал.

Внутри используют два подхода. Первый — символьный: нейросеть предсказывает ноты (MIDI), как языковая модель предсказывает слова. Так устроен российский SymFormer. Второй — аудио-диффузия: модель «проявляет» звук из шума, как text-to-image рисует картинку из шума. На нём построены Suno и обновлённый SymFormerX. Диффузия даёт живое звучание и вокал, символьный подход — чистые ноты, которые проще редактировать в секвенсоре.

Вывод: если нужна готовая песня «под ключ» — берите диффузионный сервис; если хотите править партитуру вручную — символьный с экспортом в MIDI.

Понимание этой развилки экономит время. Диффузионные сервисы почти не дают залезть «внутрь» трека: вы управляете звуком через текст и повторные генерации, но не двигаете отдельные ноты. Символьные модели, наоборот, отдают структуру, которую можно открыть в любом секвенсоре и переписать хоть одну партию. Поэтому для быстрого демо или фона выбирают первый путь, а для аранжировки, которую потом будут доводить музыканты, — второй.

ОНЛАЙН-ПРАКТИКУМ

ЗАПУСК нейросети DEEPSEEK R1 ЛОКАЛЬНО НА СВОЕМ КОМПЬЮТЕРЕ

ЧТО БУДЕТ НА ОБУЧЕНИИ?

• ПОКАЖЕМ, КАК РАЗВЕРНУТЬ МОДЕЛЬ нейросети DEEPSEEK R1 ПРЯМО НА СВОЁМ КОМПЬЮТЕРЕ
• Где и как применять? Потестируем модель после установки на разных задачах
• Как дообучить модель под себя?

Участвовать бесплатно

Что такое SymFormer (Маэстро)

SymFormer — нейросетевая модель Сбера для генерации музыки по текстовому описанию, интегрированная в сервис «Маэстро». Пользователь задаёт название трека и имя исполнителя (реальные или вымышленные), а нейросеть создаёт уникальную композицию под заданный стиль. Запустить можно голосовой командой ассистенту «Салют»: «Запусти Маэстро».

По описанию разработчиков, SymFormer — это каскад из трёх моделей: генератора структуры композиции, генератора мелодий и ранжировщика промежуточных результатов; оба генератора представляют собой связку «трансформер + вариационный автоэнкодер». За разбор текста отвечает модель CLaMP (Contrastive Language-Music Pre-training) с архитектурой, схожей с CLIP: она сопоставляет текстовый запрос с музыкальными признаками. Тренировочный датасет, по данным Сбера, состоял из порядка 100 тысяч пар «название и автор произведения — MIDI-файл». Среднее время обработки одной композиции у исходного SymFormer — около пяти минут, результат отдаётся в виде MP3.

Новое поколение, SymFormerX, устроено как каскад из больших языковых моделей (LLM), диффузионных моделей (Diffusion) и вариационных автоэнкодеров (VAE) — этот подход адаптирует идею text-to-image к музыке. Он умеет сочинять текст песни и генерировать по нему трек в разных жанрах, отдавая MP3 менее чем за минуту. Доступ — через ассистента «Салют» и веб-версию GigaChat.

Альбом Thriving Machine и лицензия

Возможности модели Сбер показал на полноценном альбоме Thriving Machine, написанном нейросетью. По данным разработчиков, музыкальный контент, созданный сервисом, распространяется по публичной открытой лицензии ПАО СберБанк и бесплатен — его можно копировать и использовать в любых целях, включая коммерческие: как фон для видео, подложку в рекламе или музыку в интерфейсах. Это ключевое отличие «Маэстро» от западных сервисов, где коммерческие права открываются только на платной подписке.

Обзор сервисов генерации музыки: сравнение

Ниже — рабочие сервисы, доступные в 2026 году, и для каких задач каждый подходит. Цифры по тарифам меняются часто — перед оплатой сверяйтесь со страницей тарифов сервиса.

Короткий выбор: русскоязычная песня — Suno; бесплатно и с правом на коммерцию — «Маэстро»; фон под ролик без вокала — Mubert; саундтрек с ручной правкой партитуры — AIVA.

Пара практических уточнений по выбору. Suno сильнее в песенном формате: связный вокал, чистая дикция, готовая структура куплет-припев — это его профиль. Udio чаще выбирают, когда важнее звук самой аранжировки и инструментала, а не текст. «Маэстро» закрывает нишу «нужно быстро, бесплатно и без юридических вопросов о коммерции» — за счёт открытой лицензии Сбера. Mubert и AIVA — это не про песни, а про функциональную музыку: бесшовный фон и оркестровые темы соответственно. Универсального «лучшего» сервиса нет — есть подходящий под конкретную задачу и бюджет.

Как сгенерировать трек нейросетью: пошагово

Порядок действий почти одинаков во всех сервисах. Разберём на универсальном сценарии.

1. Выберите сервис под задачу. Песня с вокалом — Suno; фон без вокала — Mubert; бесплатно с коммерцией — «Маэстро».
2. Опишите трек в промпте. Укажите жанр, настроение, темп, инструменты и — для песни — тему текста. Чем конкретнее, тем предсказуемее результат.
3. Запустите генерацию. Сервис выдаст один-два варианта. В «Маэстро» это делается голосом: «Запусти Маэстро», затем название трека и исполнителя.
4. Отберите и доработайте. Прослушайте варианты, перегенерируйте неудачные фрагменты или продлите трек. Часть сервисов умеет дорисовывать отдельные куски.
5. Скачайте в нужном формате. Обычно это MP3 или WAV; проверьте условия лицензии перед публикацией.

Мини-итог: рабочий трек получается за 3–5 минут, но «попадание» в задумку почти всегда требует 2–3 итераций промпта.

Промпты для генерации музыки

Модель понимает музыку через текст, поэтому качество промпта определяет результат сильнее, чем выбор сервиса. Рабочая формула: жанр + настроение + темп + инструменты + референс звучания.

• Слабый промпт: «весёлая песня».
• Рабочий промпт: «энергичный поп-рок, 120 BPM, электрогитара и живые барабаны, мужской вокал, припев про летнюю поездку».

Что помогает: указывать BPM (темп), называть конкретные инструменты, задавать структуру (куплет — припев — бридж) и описывать вокал (мужской/женский, тон). Референсы вроде «в духе синтвейва 80-х» задают тембр лучше абстрактных прилагательных. Тексты песен в Suno и SymFormerX можно писать самому или доверить нейросети.

Форматы, лимиты и где применять

На выходе — чаще всего MP3, у части сервисов на платных тарифах доступен WAV и раздельные дорожки (стемы) для сведения. Длительность одной генерации обычно ограничена (от 30 секунд до пары минут), длинные треки собираются продлением. Бесплатные тарифы лимитируют число генераций в сутки и, как правило, запрещают коммерцию.

Где это реально используют: фоновая музыка для роликов и подкастов, джинглы и звук для рекламы, саундтреки к играм и приложениям, демо-наброски для музыкантов, музыка для стримов без риска страйка. Для фона под видео хватает бесплатной «Маэстро» или подписки Mubert; для авторской песни — Suno.

Отдельно про стемы — раздельные дорожки вокала, баса, барабанов. На платных тарифах некоторые сервисы отдают их отдельными файлами: это открывает нормальное сведение и мастеринг в аудиоредакторе, замену вокала или переигровку одной партии. Если планируете дорабатывать трек, а не брать его «как есть», наличие экспорта стемов и MIDI важнее, чем красота демо в интерфейсе.

Ограничения: авторские права и качество

Два узких места, о которых умалчивают рекламные обзоры.

Права. Коммерческое использование определяется не здравым смыслом, а условиями сервиса. На бесплатных тарифах Suno и Udio монетизировать треки нельзя — права остаются у платформы; коммерция открывается только на платной подписке. Исключение — «Маэстро»: контент отдаётся по открытой лицензии Сбера и разрешён к коммерческому использованию бесплатно. Правовой статус авторства ИИ-музыки в России пока не урегулирован, поэтому перед публикацией читайте лицензию конкретного сервиса, а не общие статьи.

Качество. Нейросеть выдаёт убедительный черновик, но не заменяет продюсера: возможны фальшивые ноты, «замыленный» звук на сложных аранжировках, шаблонные припевы. Символьные модели (SymFormer) дают чистые ноты для ручной правки, диффузионные (Suno) — живой звук, но меньше контроля над деталями. Для финального продукта результат почти всегда доводят в аудиоредакторе.

Итог: нейросети сняли порог входа в создание музыки — трек делается за минуты и без нотной грамоты. Но профессиональный результат по-прежнему требует отбора вариантов, работы с промптом и понимания, где заканчиваются ваши права на сгенерированное.

Источники: developers.sber.ru, Хабр (SberDevices).