Промпт для генерации трека: 12 формулировок, которые меняют результат

Вы пишете абзац из пятнадцати жанров и настроений, получаете кашу, добавляете ещё прилагательных и получаете ту же кашу. Проблема почти никогда не в длине промпта. Проблема в том, что инструкция лежит не в том слое управления, и модель физически не может её выполнить.

Почему длинный промпт не работает

Генерация музыки - это не один текстовый ввод, а три независимых слоя.

Первый слой описывает глобальный звук: жанр, инструменты, характер вокала, продакшен. Он действует на весь трек целиком.

Второй слой описывает структуру: где куплет, где припев, что именно поётся и что должно измениться в конкретной секции.

Третий слой - это отдельные контролы интерфейса: длительность, режим инструментала, сила влияния стиля, список исключений. Suno официально описывает свои Creative Sliders так: Weirdness ведёт от Safe к Chaos, где 50 процентов дают ожидаемый результат, а Style Influence задаёт, насколько близко держаться введённого стиля, от Loose до Strong. При загрузке своего аудио добавляется третий слайдер, Audio Influence.

Инструкция из третьего слоя, записанная словами в первый, не выполняется. Фраза «ровно четыре минуты» в поле стиля не заменяет ползунок длительности. Она просто занимает место.

Куда класть инструкцию

Три сервиса устроены по-разному, и одна и та же формулировка живёт в них в разных местах.

Главная ошибка при переходе между сервисами: люди вставляют список тегов через запятую в единственное поле Mureka. Mureka обрабатывает поля независимо, и стопка тегов в одном поле ей ничего не даёт.

Двенадцать формулировок

Основа и акценты

1. Одна жанровая основа, остальное акцентами.

Слабо: реггей-рок госпел трэп кинематографик фолк EDM гимн со всеми инструментами

Сильнее: основа реггей-рок, акценты госпел-хора, живые барабаны, плотный бас, дисторшн-гитара

Модель не умеет усреднять шесть равноправных жанров. Она выбирает один и путается в остальных. Формулировка «основа плюс акценты» задаёт иерархию, и вы получаете предсказуемый результат вместо лотереи. Место: поле стиля.

2. Жанр и настроение в начале строки.

Слабо: тёплый, немного винтажный, с ощущением ночного города, лоу-фай хип-хоп

Сильнее: лоу-фай хип-хоп, меланхоличный, джазовое пиано, винил-хрип, ночной город

Комьюнити-гайды сходятся на том, что ранние описатели весят больше поздних. Официальная документация этого не подтверждает, но перестановка стоит ноль усилий, а на слух разница слышна. Место: начало поля стиля.

3. Вокал через характеристики, а не через имя артиста.

Слабо: голос как у Билли Айлиш

Сильнее: близкий женский вокал, придыхание, низкий регистр, почти шёпот, минимум обработки

Google прямо описывает поведение Lyria: если в запросе назван конкретный артист, модель воспримет это как широкое вдохновение и сделает трек похожего настроения, а не голос этого человека. То есть имя не работает как инструкция, зато тянет за собой риск модерации. Описание характеристик переносится между сервисами, имя артиста нет. Место: поле стиля или поле вокала.

Конкретика вместо абстракций

4. От двух до четырёх инструментов, а не «полная группа».

Слабо: полный оркестр, много инструментов, богатая аранжировка

Сильнее: нейлоновая гитара пальцами, контрабас, щётки по малому барабану

Чем длиннее список инструментов, тем выше шанс, что часть из них модель проигнорирует, а часть подмешает поверх друг друга. Три названных инструмента звучат чище, чем десять обещанных.

5. Эпоха продакшена вместо абстрактного настроения.

Слабо: современно, качественно, дорого

Сильнее: звук boom-bap девяностых, сэмплированные барабаны, узкое стерео

Слова «качественно» и «дорого» не описывают звук, потому что не привязаны ни к какой акустической реальности. Указание на эпоху или продакшен-школу привязано, и модель его понимает.

6. Эмоциональное движение, а не статичное настроение.

Слабо: грустная песня

Сильнее: сдержанные куплеты, припев раскрывается в полную группу, финал возвращается к тишине

Настроение задаёт точку. Движение задаёт линию. Трек, у которого нет описанной динамики, обычно получается плоским: три минуты одного и того же уровня энергии.

Управление структурой

7. Локальные подсказки короткие и рядом с секцией.

Слабо: повторить весь стилевой промпт внутри каждой секции.

Сильнее: [Финальный припев — хор отвечает, октавой выше]

Suno отдельно отмечает, что в поле текста можно добавлять контекст к песне, а не только слова. Работает это при одном условии: подсказка короткая и относится к одному моменту. Развёрнутая проза в поле текста рискует быть спетой вслух.

8. Исключение плюс замена роли.

Слабо: Exclude: гитара

Сильнее: Styles: соул-баллада с пиано, интимный вокал, контрабас, щётки. Exclude: электрогитара, гитарное соло, бэк-вокал

Убирая инструмент, вы оставляете в аранжировке пустую роль, и модель заполняет её чем попало. Исключение работает, когда в положительной части сказано, кто теперь играет вместо убранного. Держите список коротким: два-три пункта, а не двадцать.

9. Не описывать словами то, для чего есть контрол.

Длительность, режим инструментала, сила следования стилю, исключения — всё это отдельные элементы интерфейса. Написанное прозой в поле стиля, это не выполняется и вдобавок разбавляет описание звука. Проверьте интерфейс до того, как усложнять текст.

Частные случаи

10. Инструментал описывается плотнее, чем песня.

Слабо: инструментал, без вокала

Сильнее: кинематографичный пост-рок инструментал, гитара с дилеем, низкие струнные, томы, медленное нарастание, взрывной финал

У песни половину работы делает вокал: он держит внимание и структуру. Без него описание должно компенсировать пустоту, иначе получается фон без событий. Фейковый текст ради объяснения аранжировки писать не нужно, для этого есть режим инструментала.

11. Теги на английском, текст на своём языке.

Слабо: [Куплет] в поле текста и надежда, что сервис поймёт.

Сильнее: [Verse], [Chorus], [Bridge] как разметка, а строки песни на русском.

Разметка секций - это команды, и модели обучены на английских вариантах. Слова песни при этом поются на том языке, на котором написаны. Смешивать не нужно: разметка отдельно, текст отдельно.

12. Одна переменная за итерацию.

Слабо: переписать стиль, поменять текст, подвинуть три слайдера и сгенерировать заново.

Сильнее: зафиксировать всё, изменить одно, послушать обе версии.

Если поменялось пять вещей и результат стал лучше, вы не знаете, что именно сработало, и не сможете повторить. Записывайте, что меняли: через месяц эта запись будет стоить дороже, чем сам трек.

Один бриф, три сервиса

Задача: подложка под ролик о ремесленной мастерской, полторы минуты, без вокала, тепло и неспешно.

Suno. В поле Styles: тёплый акустический фолк-инструментал, нейлоновая гитара пальцами, контрабас, щётки по малому, неспешно, домашний уют, лёгкое нарастание к финалу. Режим инструментала включён, поле текста пустое. В Exclude: электрогитара, ударная установка, синтезаторы. Слайдер Style Influence ближе к Strong, Weirdness около середины. Длительность выставляется контролом.

Mureka. То же самое раскладывается по полям: жанр acoustic folk, инструменты nylon guitar, upright bass, brushes, настроение тепло, неспешно, вокал не выбирается. Стопку тегов в одно поле не вставляем.

Lyria 3 в Gemini. Одним связным запросом: сделай тёплый акустический фолк-инструментал: нейлоновая гитара пальцами, контрабас, щётки по малому барабану, неспешный темп, ощущение мастерской, без вокала. Учитывайте предел длины: в приложении Gemini трек ограничен тридцатью секундами, у версии Pro — тремя минутами.

Три выхода на одном брифе звучат по-разному, и заранее предсказать победителя нельзя. Прогонять бриф через несколько моделей быстрее, чем вылизывать промпт в одной; в музыкальном агрегаторе SongHit это делается из одного окна.

Диагностика

Отдельный случай, которого в таблице нет: вы перепробовали всё, а результат по-прежнему мимо. Тогда виноват может быть не промпт, а модель. Проверяется это одним способом: тот же самый текст без единого изменения отправляется в другую модель. Если там выходит нормально, чинить промпт больше не нужно, нужно менять инструмент. Держать для этого три подписки необязательно, в SongHit модели переключаются в одном окне.

Что в этих советах спорно

Лимит поля стиля. В комьюнити называют цифру около двухсот знаков, в документации она не закреплена и может меняться от версии к версии.

Списки на тысячу метатегов, которые продают как секретное знание, проверить невозможно в принципе. Официального перечня тегов Suno не публикует. Работает базовая разметка секций, всё остальное стоит считать гипотезой до собственного теста.

С чего начать

Возьмите последний промпт, который дал плохой результат. Разложите его на три части: что описывает звук целиком, что относится к одной секции, что вообще должно быть контролом интерфейса.

Обычно после такой разборки половина текста уходит, а результат становится лучше.