Почему Suno v6 сталкивается с деградацией звука в длинных и плотных аранжировках, и как это лечится

Я активно тестирую новую Suno v6 на хард-роке и хеви-метале. За это время столкнулся с серьёзной технической проблемой: качество звука стабильно ухудшается по мере развития трека. И я не про креативность или качество композиции. Речь именно о том, как звучит рендер.

Самая стабильная проблема - это постепенное разрушение звука. Типичный паттерн, который я лично замечаю из раза в раз:

• Интро и первый куплет: звук приемлемый, инструменты различимы, вокал чистый.
• Первый припев: обычно хорошо, есть разделение и динамика.
• Второй припев: в части генераций появляются первые признаки перегруженности, искажений, размытости.
• Бридж или гитарное соло: деградация нарастает.
• Финальные припевы: чрезмерная плотность, смазанные атаки, грязные гитары, потеря разделения, общий мутный или искажённый звук.

Это именно постепенный процесс. Причины мне пока неизвестны. Теперь детальнее, что я слышу на отдельных инструментах:

Электрогитары

Особенно проблемная зона. Что встречается:

• искусственный, синтетический дисторшн вместо убедительного усилительного сатурэйшна;
• высокочастотный физз и треск;
• плохая артикуляция нот, потеря атаки медиатора;
• нарастающая каша в более поздних секциях;
• дисторшн, который сложно отличить от цифрового шума.

Эти проблемы слышны в оригинальном стерео-миксе, но особенно очевидны в отделённых гитарных стемах. В ряде случаев извлечённый гитарный трек непригоден для профессионального использования. Важно различать артефакты генерации и артефакты сепарации. Но низкое качество оригинального стерео-рендера указывает, что дело не только в сепарации стемов.

Барабаны

Барабанное производство страдает непоследовательностью. Что я наблюдаю:

• заметное изменение тона малого барабана между секциями;
• потеря атаки и чёткости атаки по мере уплотнения аранжировки;
• снижение ясности между бочкой, малым, тарелками и дисторшн-гитарами;
• нежелательный вокальный контент в извлечённых барабанных стемах.

Последовательный барабанный звук - основа цельной рок- или метал-композиции. Неожиданные изменения характера малого или баланса ударных подрывают даже сильную аранжировку.

Нежелательные слои и перегруженность

Ещё одно наблюдение: появление дополнительных звуков или слоёв в поздних секциях. При анализе отделённых стемов я обнаруживаю FX и синтезаторо-подобный материал, который мало что даёт музыкально, но, похоже, увеличивает перегруженность. Поздние припевы иногда звучат так, будто аранжировка накапливает дополнительные слои без сохранения достаточного разделения. Непонятно, это намеренный выбор аранжировки, артефакт генерации или эффект сепарации стемов. Но слышимый результат - всё более загромождённый микс.

Вокал

Интересно, что лид-вокал часто остаётся одним из самых адекватных элементов. Текст, мелодическая структура и исполнение могут оставаться убедительными, даже когда инструментальная подложка разваливается.

Тем не менее, финальные припевы иногда демонстрируют усиленное напряжение вокала или чрезмерно плотную подачу. Вопрос: разные музыкальные элементы затрагиваются в разной степени при длинных генерациях?

Что я пробовал

Я экспериментировал с несколькими подходами:

• упрощение стилевых промптов;
• изменение описаний для гитар, барабанов и вокала;
• корректировка инструкций по аранжировке;
• тестирование Max Mode;
• исключение нежелательных характеристик — грязи, загромождённости, чрезмерных эффектов;
• сравнение множественных генераций в разное время;
• извлечение и анализ отдельных инструментальных стемов.

Ни один из этих подходов не дал надёжного, повторяемого решения прогрессивной деградации. Некоторые генерации значительно лучше других, что говорит о том, что поведение не полностью единообразно.

Есть важное различие между музыкальным качеством и качеством аудиопродукции. Генерация может содержать отличные мелодии, сильную композицию, убедительное исполнение и креативные аранжировки, одновременно страдая серьёзными техническими аудио-дефектами. Это разные вопросы. Для музыкантов, намеренных использовать Suno как инструмент композиции и препродакшна, музыкальные идеи ценны. Но ненадёжное качество аудио затрудняет использование сгенерированных треков как финальных продакшн-активов.

Лично я дошёл до состояния, когда использую Suno преимущественно для композиции и аранжировки, а записываю и продюсирую инструменты независимо в DAW.

Что в итоге я сам рекомендую

Suno продемонстрировала, что AI может производить впечатляющие музыкальные композиции. Следующий вызов - делать эту музыку с последовательным, профессиональным качеством аудио от первой ноты до последней.

Есть несколько рабочих обходных путей:

Разделение каналов. Загрузить трек v6 в простое приложение вроде Hayaemon и воспроизвести раздельно «Right Only» и «Left Only» каналы в моно. Во многих случаях правый канал содержит основной, более естественный звук, а левый - эффекты и реверберации, производные от правого. Можно экспортировать каналы как отдельные моно-треки и отрегулировать их в DAW, или вообще отбросить левый канал, взять правый и назначить его на множество отдельных треков с фильтровыми EQ для создания стерео-ширины.

Короткие генерации. Попробуйте генерировать тот же трек, ограничив его 90 секундами, чтобы подтвердить, является ли проблема вопросом длительности или плотности аранжировки.

Custom-модели. Несколько независимых наблюдений сходятся: Custom-модели демонстрируют меньше описанных деформаций или они выражены менее явно. Особенно это заметно в треках длительностью 5–6+ минут, где деградация в V6 и Wild начиналась примерно на третьей минуте.

Избегайте Max Mode для новых треков. Есть наблюдение, что Max Mode заставляет треки звучать одинаково плохо. Для каверов - да, для новых песен лучше воздержаться.

Использование для композиции, запись отдельно. Suno всё ещё может производить хорошие мелодии, хорошие демо, с которыми можно работать в DAW. Многие перешли к модели, когда используют Suno для идей, а инструменты записывают независимо.

Мои вопросы

Мне интересно услышать от других музыкантов, продюсеров и звукорежиссёров:

• Испытываете ли вы прогрессивную деградацию аудио в v6, особенно после второго припева или около бриджа/соло?
• Проблема более выражена в жанрах с дисторшн-гитарами?
• Наблюдали ли вы неожиданные изменения тона малого барабана или баланса инструментов?
• Становятся ли поздние припевы всё более перегруженными или искажёнными?
• Нашли ли вы повторяемый метод, который действительно улучшает аудио-последовательность по всему треку?