Процесс работы, который я разберу ниже, не поменялся с выходом новой версии — так что гайд рабочий вне зависимости от того, какая версия у тебя стоит.

Шаг 1. Готовим минусовку и MIDI-партию

Берём готовую минусовку из своей DAW и экспортируем — важно выставить правильный темп (у меня было 128 bpm), и в проекте ACE Studio указать тот же темп, чтобы всё легло ровно. Минусовку забрасываем в программу.

Дальше нужна MIDI-партия — мелодия, которую AI превратит в вокал. Можно сыграть её прямо в своей DAW и экспортировать MIDI-клипом, а можно попробовать сгенерировать сразу в ACE Studio — но, если честно, там это неудобно. Проще сыграть на пианино в привычном интерфейсе, сделать правый клик → экспорт MIDI-клипа, и перенести файл на AI-дорожку в ACE Studio (там она называется «сир-трек»).

Шаг 2. Первая генерация — и разочарование

Ставлю правильную стартовую точку воспроизведения MIDI-партии, чтобы всё шло ровно. Отключаю дорожку минусовки, оставляю только вокальную — так честнее слышно результат.

Беру вокалиста из библиотеки — например, David, — добавляю на трек, выделяю партию и жму Play. Начинается рендеринг: AI превращает ноты в вокальное исполнение.

По умолчанию текста нет — нужно приблизить партию и вписать слова, которые должен пропеть вокалист. 📌⚠️ Важный нюанс: писать можно только на английском и ещё семи поддерживаемых языках (китайский, японский, корейский, испанский, итальянский, французский, португальский). Русский — ни в старой версии, ни в актуальной ACE Studio 2.0 — не поддерживается.

Текст можно вписать вручную, а можно вставить готовый — тогда инструмент сам разобьёт его на фразы и слоги под мелодию. После вставки — короткая пауза на конвертацию. Голос при этом можно поменять на лету: переключил с мужского на женский — тембр перестроился сам.

Первый результат я послушал — и, если честно, скривился. Звучит механически, «под робота». Это нормальная стадия, а не повод бросать — дальше начинается настоящая работа.

Шаг 3. Где живёт разница между «роботом» и вокалистом

Если просто взять MIDI-партию, вставить текст и нажать Play — так будет звучать любой вокал в ACE Studio. Разница между «понятно, что это ИИ» и «а нормально, похоже на живого человека» рождается на этапе ручной донастройки — и именно здесь большинство новичков сдаются раньше времени.

Дыхание. В паузах, где вокал молчит, можно добавить или убрать вдохи-выдохи. Звучит как мелочь, но именно эти паузы отличают живое исполнение от гладкого синтетического — без них вокал будто существует в вакууме.

Автоматизация и эффекты. На отдельные фразы можно прописать автоматизацию, добавить эффект R или фейзер. После каждой правки нужно немного подождать — AI пересчитывает результат заново. Не самый быстрый процесс, но именно здесь и появляется характер.

Энергичность. Отдельный параметр отвечает за интенсивность подачи. Я сделал одну фразу мягче, следующую — жёстче: получилось похоже на то, как реальный вокалист меняет манеру внутри одной фразы, а не поёт монотонно от начала до конца.

Питч и вибрато. Сверху — инструменты для тонкой настройки высоты звука и вибрато, по ощущениям похоже на Melodyne или автотюн. Есть ещё drift-параметры для рисования произвольных кривых — я вручную нарисовал вибрато в конце пары фраз, и это тот момент, где вокал перестал звучать как демка и начал звучать как трек.

Шаг 4. Экспорт

Когда всё настроено — жму «Экспорт аудио». Программа анализирует материал и открывает окно настроек: выбираю трек или луп, режим (моно/стерео), битность (16 или 24 бита), формат (WAV или MP3). Называю файл, экспортирую — в папке появляется готовый аудиотрек, который остаётся перетащить обратно в проект.

Итог: полноценная вокальная партия, сгенерированная искусственным интеллектом из MIDI-ноты и текстового файла — без единой секунды студийной записи.

Стоит ли этим пользоваться

Если не полениться и донастроить вибрато вручную, поработать с каждой нотой отдельно — получается вполне рабочий результат. Для электронной музыки этого достаточно с запасом: продюсеры берут такой вокал, накидывают альтер-бой, меняют форманту — и в миксе он звучит наравне с записанным вживую. Слушатель, который не в теме, скорее всего, даже не заметит подмены.

Это особенно решает вопрос, если бюджета на студию нет, вокалиста под рукой нет, а идея для трека — есть уже сегодня.

А вы уже пробовали генерировать вокал через нейросети? Расскажите в комментариях, что получилось — сравним впечатления.