Зашёл посмотреть на Treblo и обнаружил старого знакомого под новым именем. Это бывший Sonauto: домен sonauto.ai теперь отдаёт 301 на treblo.com, аккаунты и ранее сделанные песни на месте, команда та же. Причину переименования объясняют без пафоса – новое имя легче произнести, написать и запомнить. Модель тоже та же, Melodia, сейчас третьего поколения.
Если коротко, это генератор песен целиком: текст, вокал, тысячи стилевых тегов, трек длиной до четырёх с половиной минут. Есть правка по частям – поменять секцию, переписать строчку, перегенерировать только припев, загрузить свой отрывок и сделать из него ремикс. В июле подъехали мобильные приложения: в App Store лежит версия 1.5.0 от 12 июля, разработчик по документам так и остался Sonauto, inc. Оценок пока мало – 4,3 при четырнадцати отзывах, – так что судить по ним рано.
Мне тут интересны не стили, а два решения под капотом. Первое – архитектурное, и оно против течения. Ещё в 2024-м на Hacker News основатели объясняли: все делают музыку так же, как текст – превращают звук в токены и учат на них языковую модель, – а они «оторвали часть с токенизацией и заменили её обычным VAE-боттлнеком», а поверх обучили diffusion transformer, как Sora, только для звука. Тогда же назвали себя первой аудио-диффузией, которая выдаёт связный текст песни. Мне важно не звание, а следствие: диффузией проще управлять. Можно задать BPM, подсунуть свою партию перкуссии, перегенерировать один фрагмент вместо всей вещи. Это разница между «принял, что машина выдала» и «сделал, что хотел».
Второе решение – инфраструктурное, и оно объясняет, откуда взялось «бесплатно и без лимитов». Их формулировка: собрали собственный инференс вместо «дорогих сервисов инференса как услуги», поэтому генерации на сайте держат бесплатными столько, сколько смогут. Ни дневных лимитов, ни «первые три трека бесплатно». Права на то, что вы сделали, остаются у вас даже на бесплатном тарифе – а у заметной части конкурентов коммерческое использование живёт в подписке.
Теперь моя ложка скепсиса. Бесплатно и без лимитов – это не благотворительность, а ставка на дистрибуцию: сначала аудитория, деньги потом – и правила такой щедрости меняются одним постом в блоге. Продакшн клиента я на такой тариф не посажу: нет SLA, нет обязательств, а смета, собранная вокруг бесплатного сервиса, разваливается в день, когда сервис вводит платный план. А вот для черновиков, джинглов, фоновой дорожки в видео и демо заказчику – беру, тут риск нулевой. Плюс у них есть API для разработчиков: значит генерацию можно повесить в конвейер, как мы это делаем с речью в ExpertSpeech, где голос эксперта превращается в статьи и посты.
Ограничение они признают сами, и это честно: ради контекстного окна трансформера звук приходится сжимать, и на верности это слышно, даже когда на выходе 44,1 кГц стерео. Идеальным мастерингом тут не пахнет – это заготовка, а не готовый трек для релиза.
Что проверю дальше сам: как v3 держит русскоязычный вокал (у большинства моделей это слабое место) и не разъезжается ли ритм на длинных треках. Если держит – в продуктовых демо и на посадочных появится своя музыка вместо стоковой, и это заметно дешевле лицензий.
