Как давно существует ИИ в музыке?

Искусственный интеллект в музыке существует уже почти семь десятилетий

Как давно существует музыка, созданная с помощью ИИ? Ответ удивляет большинство людей. Музыка, сочиненная ИИ, появилась в 1957 году, а это значит, что технологии уже почти семь десятилетий. В том году исследователи из Университета Иллинойса использовали пятитонный суперкомпьютер под названием ИЛЛИАК I создать полноценную композицию для струнного квартета. Задолго до того, как стриминговые платформы и новости о музыке, созданной с помощью генеративного ИИ, заполнили наши ленты, компьютеры уже писали мелодии в университетских лабораториях.

Окончательный ответ на вопрос о том, как долго существует искусственный интеллект в музыке

Первая музыка, созданная с помощью искусственного интеллекта, датируется 1957 годом, когда в Иллинойском университете была создана сюита «Иллиак».
Это произведение, официально озаглавленное «Струнный квартет № 4», было запрограммировано Лежареном Хиллером и Леонардом Айзексоном. Компьютер обработал алгоритмические решения, предоставленные ему Хиллером, создав композицию из четырех частей, которую исполнил студенческий квартет в кампусе. Это был не какой-то эксперимент, спрятанный в шкафу для документов. Это была целенаправленная, опубликованная работа, заложившая основу для всего, от программного обеспечения Дэвида Коупа, имитирующего стиль, в 1980-х годах до потребительских музыкальных платформ на основе искусственного интеллекта, которыми сейчас пользуются миллионы людей.

Почему большинство людей считают, что искусственный интеллект в музыке — это что-то новое

Если эта технология настолько устарела, почему кажется, что она появилась вчера? Краткий ответ: доступность. Десятилетиями музыка, созданная с помощью ИИ, существовала исключительно в академических учреждениях и исследовательских лабораториях. Для экспериментов с ней требовался компьютер размером с комнату, навыки программирования и финансирование со стороны учреждения. Среднестатистический музыкант или слушатель не имел никакого контакта с этими инструментами.

Затем генеративный ИИ стремительно ворвался в мейнстрим. ChatGPT был запущен в конце 2022 года, и внезапно широкая публика узнала о возможностях машинного обучения. Музыкальные платформы на основе ИИ последовали той же волне, сделав генерацию песен доступной для любого пользователя браузера. Исследование Ditto Music показало, что почти 60 процентов опрошенных артистов теперь используют ИИ в своих музыкальных проектах. С миллионами пользователей, создающих треки с помощью этих инструментов, вопрос о том, сколько же существует музыкантов, использующих ИИ, становится все сложнее решить.

В результате возникает разрыв в восприятии. Люди видят обновления музыки, созданной с помощью ИИ, которые заполоняют их ленты новостей, и предполагают, что вся эта концепция совершенно новая. В действительности же они наблюдают лишь верхушку айсберга исследований, ориентированных на потребителя, истоки которых восходят к администрации Эйзенхауэра. Путь от пятитонного мэйнфрейма, генерирующего простые мелодии, до вкладки браузера, создающей полноценные песни с вокалом, охватывает почти 70 лет тихого, постепенного прогресса, и эта история начинается с химика, который увидел в музыке проблему, которую может решить компьютер.

1950-е и 1960-е годы: когда компьютеры впервые начали создавать музыку

Химик, пятитонный компьютер и струнный квартет. Именно это невероятное сочетание положило начало революционной истории музыки и искусственного интеллекта. Эра компьютерной музыки зародилась не благодаря стартапам из Силиконовой долины или технологическим миллиардерам. Она родилась в университетских подвалах и исследовательских лабораториях телефонных компаний, благодаря ученым, которые верили, что музыку можно рассматривать как набор решаемых задач.

Пакет программ Illiac и рождение алгоритмической композиции

Лежарен Хиллер не был музыкантом по образованию. Он был химиком в Иллинойсском университете и заметил интересную вещь: математические методы, которые он использовал для моделирования поведения молекул, оказались удивительно похожи на правила, управляющие музыкальной композицией. Оба метода включали в себя установление ограничений, проверку комбинаций и фильтрацию результатов. Поэтому в середине 1950-х годов Хиллер и его коллега Леонард Айзексон ввели набор композиционных параметров в программу ИЛЛИАК I чтобы посмотреть, что получится в итоге.

Результатом стала «Иллиакская сюита», четырехчастное произведение для струнного квартета, завершенное к концу 1956 года. Каждая часть соответствовала различному эксперименту по программированию, сложность которого возрастала по мере развития произведения. Первая часть следовала относительно простым правилам контрапункта в стиле Ренессанса. Вторая исследовала четырехголосные текстуры. Третья углубилась в диссонантную, хроматическую область. А четвертая использовала вероятностные методы, такие как цепь Маркова, для генерации музыки без опоры на исторически принятые композиционные процессы.

9 августа 1956 года студенческий квартет исполнил первые три части в зале Веджвуд студенческого союза Иллинойса. Все данные, полученные с помощью компьютера, были переведены в традиционные ноты, поэтому само исполнение звучало как любое другое камерное произведение. Разница заключалась в авторстве. Ни один человек не выбирал эти конкретные ноты.

Это была композиция, основанная на правилах, в чистейшем виде. ILLIAC не учился на существующей музыке и не распознавал паттерны. Он следовал четким инструкциям, генерируя возможности и фильтруя их по закодированным правилам, пока не появлялось нечто музыкально обоснованное. Представьте это не как студента, изучающего тысячи песен, а скорее как студента, выполняющего строгие упражнения по контрапункту из учебника с нечеловеческой скоростью.

Макс Мэтьюз и Bell Labs Digital Synthesis

Пока Хиллер обучал компьютер сочинять музыку, другой исследователь решал другую задачу: обучал компьютер самостоятельно воспроизводить звук. Макс Мэтьюз Инженер из Bell Telephone Laboratories начал работать над цифровым синтезом звука еще в 1957 году. Его программа MUSIC I стала первым программным обеспечением, позволившим универсальному компьютеру генерировать звук напрямую, а не просто распечатывать ноты на бумаге для исполнения человеком.

Мэтьюз быстро внедрял изменения. В конце 1950-х и 1960-х годах появились MUSIC II, MUSIC III и MUSIC IV, каждая версия которых давала композиторам больше контроля над основными элементами звука: вибрато, атакой, затуханием, глиссандо, тремоло и формой звуковой волны. Его произведение 1960 года «Нумерология» продемонстрировало эти параметры в действии, показав, что компьютер может создавать совершенно новые виртуальные инструменты, а не просто имитировать акустические.

Последствия были колоссальными. Хиллер доказал, что компьютер может решать, какие ноты играть. Мэтьюз доказал, что он также может решать, как эти ноты будут звучать. Вместе эти два прорыва определили всю область исследований в области музыки и искусственного интеллекта на десятилетия вперед.

Почему эти первопроходцы обратились к компьютерам для создания музыки

Представьте реакцию музыкального мира. В конце 1950-х годов рок-н-ролл менял популярную культуру, джаз вступал в авангардную эпоху, и тут ученые заявляли, что машина может участвовать в творческом процессе. Реакция была, мягко говоря, неоднозначной.

Но мотивацией было не заменить музыкантов. И Хиллер, и Мэтьюз руководствовались любопытством к самой теории музыки. Если бы можно было кодифицировать правила контрапункта достаточно точно, чтобы компьютер мог им следовать, что бы это показало о том, как на самом деле работает композиция? Компьютер стал инструментом для проверки идей о теории музыки с точностью, подобной искусственному интеллекту, а не заменой человеческого мастерства.

Институциональная поддержка также имела значение. Университет Иллинойса предоставил Хиллеру свободу для междисциплинарного взаимодействия, и в 1958 году он основал на территории кампуса Студию экспериментальной музыки. Компания Bell Labs, известная тем, что предоставляла исследователям широкие возможности для экспериментов, позволила Мэтьюсу заниматься цифровым синтезом параллельно с его работой в области телекоммуникаций. Без этого институционального терпения эти эксперименты, возможно, никогда бы и не состоялись.

К концу 1960-х годов Хиллер сотрудничал с Джоном Кейджем над HPSCHD — произведением, сочетающим клавесин с компьютерными звуковыми лентами. Мэтьюз заложил основу, которую последующие композиторы использовали на протяжении десятилетий для исследований в области цифрового звука. Семена были посеяны. За этим последовали три десятилетия тихого, методичного прогресса, который почти никто за пределами академических кругов не заметил.

(Источник songai.ru)

Как на самом деле работает технология искусственного интеллекта в музыке

Этот переход от написанных вручную правил контрапункта к нейронным сетям, обучающимся собственным представлениям, — это не просто историческая диковинка. Он напрямую связан с тремя различными техническими подходами, лежащими в основе каждого инструмента искусственного интеллекта, используемого сегодня в музыкальном производстве. Понимание этих подходов объясняет, почему система 1957 года могла генерировать на бумаге только простые мелодии, в то время как система 2024 года может создать полностью обработанную поп-песню с вокалом менее чем за минуту.

Системы, основанные на правилах, против машинного обучения и глубокого обучения

Представьте, что вы хотите научить кого-то сочинять музыку. У вас есть три варианта. Во-первых, вы могли бы дать им учебник со строгими правилами: «никогда не двигайтесь параллельными квинтами», «разрешайте вводный тон вверх», «заканчивайте фразы на тонике». Они точно следуют инструкциям, но не могут адаптироваться, когда что-то выходит за рамки этих правил. Это система, основанная на правилах.

Во-вторых, можно было бы посадить их за стол с 500 хоралами Баха и сказать: «Выявите закономерности». Они изучат данные, заметят повторяющиеся последовательности аккордов и тенденции голосоведения, а затем применят обнаруженные закономерности для написания новых произведений. Это и есть машинное обучение.

В-третьих, вы могли бы предоставить им доступ к миллионам полных записей всех жанров, позволить им одновременно усваивать не только ноты, но и тембр, стиль аранжировки, интонацию вокала и структуру песни, а затем попросить их создать нечто совершенно новое на основе словесного описания. Это глубокое обучение, и именно оно лежит в основе моделей искусственного интеллекта для музыки, лежащих в основе современных потребительских платформ.
Каждое поколение не заменяло предыдущее в одночасье. Логика, основанная на правилах, по-прежнему работает внутри современных систем в качестве ограничителей. Распознавание образов в машинном обучении по-прежнему определяет, как организуются обучающие данные. Глубокое обучение просто добавило возможность работать с необработанным аудио в больших масштабах, а не только с символическими представлениями нот.

Как современный ИИ генерирует целые песни

Современные генераторы музыки на основе искусственного интеллекта в основном используют две архитектуры: модели трансформаторов (аналогично GPT для текста) и диффузионные модели (аналогично Stable Diffusion для изображений). Системы на основе трансформеров, такие как Suno и Udio, последовательно предсказывают аудиотокены, создавая песню шаг за шагом, подобно тому как языковая модель строит предложение слово за словом. Системы на основе диффузии, такие как Stable Audio, начинают с шума и постепенно улучшают его, превращая в связный звук, руководствуясь предоставленной вами текстовой подсказкой.

Процесс создания композиции обычно состоит из трех этапов. Вы вводите текстовое описание жанра, настроения, темпа и инструментов, иногда добавляя собственные слова или эталонный трек. Затем нейронная сеть создает песню в реальном времени, обрабатывая мелодию, гармонию, ритм и вокал за один проход. Наконец, вы экспортируете готовый трек в формате MP3 или WAV, при этом многие инструменты предлагают разделение дорожек для постобработки в DAW. Весь процесс обычно занимает от 30 до 120 секунд.

Отличие этого подхода от более ранних заключается в его полноте. Пакет программ Illiac Suite создавал ноты на бумаге, которые затем исполняли люди. EMI генерировал MIDI-данные, для которых требовался пианист. Современные системы глубокого обучения выдают готовый аудиоматериал, основанный на достаточно обширных данных для обучения музыке, позволяющих кодировать как методы создания музыки, так и композиционные приемы.

Обучающие данные и чему на самом деле учится ИИ

Когда вы слышите, что модель искусственного интеллекта для работы с музыкой была «обучена на миллионах песен», что это на самом деле означает? Система не запоминает треки и не воспроизводит их заново. Вместо этого она обрабатывает аудио, преобразованное в числовые представления, спектрограммы, мел-частотные характеристики или токенизированные аудиокоды, и изучает статистические взаимосвязи между этими числами.

На основе миллионов примеров модель изучает, какие последовательности аккордов обычно следуют друг за другом в поп-музыке, как куплет переходит в припев, какие частотные характеристики определяют искаженное звучание гитары и чистое звучание фортепиано, а также как вокал располагается в миксе относительно ударных и баса. Она создает внутреннюю карту музыкальных возможностей, не сохраняя ни одной песни дословно.

Важное различие существует между источниками обучения. Некоторые платформы, такие как SOUNDRAW и Mubert, обучаются исключительно на собственных записях, сделанных внутри компании, что полностью исключает конфликты из-за авторских прав. Другие, например Suno, обучаются на общедоступной музыке, что вызвало продолжающиеся юридические дебаты о добросовестном использовании и вознаграждении артистов. Выбор обучающих данных определяет не только юридический статус инструмента, но и его звуковой диапазон и возможности работы с различными жанрами.

Именно эта техническая основа, разрыв между следованием правилам и обучением на основе больших объемов данных, позволила искусственному интеллекту в музыкальном производстве совершить скачок от академического любопытства к общедоступному творческому инструменту. Этот скачок в возможностях не был постепенным. Он произошел концентрированным всплеском, когда глубокое обучение достаточно созрело для обработки аудио, и этот всплеск изменил всю картину того, кто может создавать музыку и как.



Эра глубокого обучения и расцвет потребительского ИИ в музыкальной индустрии

Этот концентрированный всплеск происходил поэтапно. Сначала были научные прорывы в хорошо финансируемых лабораториях. Затем появились стартапы, которые воплотили эти прорывы в продукты. И наконец, всего за несколько лет, появились платформы, которые предоставили возможность полноценного создания музыки любому, у кого есть вкладка в браузере и идея.

Прорывы в глубоком обучении, изменившие всё

Google запустила своюпроект «Маджента» В 2016 году компания Magenta запустила проект с открытым исходным кодом, специально ориентированный на использование машинного обучения для создания произведений искусства и музыки. Magenta предоставила исследователям свободно доступные инструменты для экспериментов с генерацией мелодий, аккомпанементом и синтезом звука, заложив основу для экосистемы академических и независимых проектов, построенных на инфраструктуре Google.

В 2019 году OpenAI выпустила MuseNet — глубокую нейронную сеть, способную генерировать четырехминутные композиции с использованием до десяти различных инструментов. MuseNet работала в символической области, предсказывая MIDI-подобные токены, но могла смешивать стили, которые никогда ранее не сочетались: Шопен в сочетании с поп-музыкой или Моцарт в сочетании с джазом. Затем, в апреле 2020 года, OpenAI выпустила Jukebox, что представляло собой гораздо более амбициозный шаг вперед. Jukebox генерировала необработанный аудиофайл напрямую, включая элементарное пение, с учетом жанра, стиля исполнителя и текста песни. Она обучалась на 1,2 миллионах песен и использовала иерархическое сжатие VQ-VAE в сочетании с разреженными трансформерами для обработки экстремально длинных последовательностей, необходимых для необработанного аудио. Рендеринг одной минуты аудио занимал примерно девять часов, что делало ее непрактичной для использования в реальном времени, но доказательство концепции было неоспоримым: ИИ мог создавать нечто, звучащее как полноценная песня, включая вокал.

Это были не потребительские товары. Это были демонстрации результатов исследований. Но они показали всей технологической индустрии, что теперь технически возможно, и венчурный капитал обратил на это внимание.

Взрыв потребительских платформ

В период с 2016 по 2024 год целая волна компаний, занимающихся разработкой искусственного интеллекта для создания музыки, преобразовала эти научные прорывы в доступные инструменты. Каждая платформа заняла свою нишу, от лицензирования фоновой музыки до полноценного создания песен:

2016 год — запуск AIVA, первоначально ориентированной на создание классической и кинематографической музыки с использованием глубокого обучения, обученного на тысячах классических произведений.
2017 год — дебютирует Amper Music (позже приобретенная Shutterstock в 2020 году), предлагающая настраиваемые бесплатные музыкальные треки для создателей видеоконтента.
2019 год — Mubert запускает потоки генеративной музыки в реальном времени, смешивая созданные человеком лупы с аранжировкой, выполненной искусственным интеллектом.
2020 год — Запуск Boomy, позволяющего пользователям создавать и распространять песни на стриминговых платформах с минимальным участием.
2020 год — Запуск SOUNDRAW, обучающей программы, работающей исключительно с авторскими записями, во избежание проблем с авторскими правами.
Июль 2023 г. — Suno запускается в Discord, быстро становясь самой быстрорастущей платформой в этой сфере.
Апрель 2024 г. — Udio выходит на публичный рынок. Компания основана бывшими исследователями Google DeepMind при поддержке a16z.
Если вас интересовало, когда появился Suno AI, ответ — в середине 2023 года на Discord, а вскоре после этого вышла и веб-платформа. С тех пор бренд Suno стремительно развивался. Данные Semrush показывают, что Suno привлекал 46,9 миллионов ежемесячных посещений примерно за 18 месяцев после запуска, что сделало его одной из самых посещаемых креативных платформ на основе ИИ в мире. Объединенная экосистема Suno, Udio и их конкурентов теперь обслуживает миллионы активных пользователей, ежедневно создающих песни.

От исследовательских лабораторий до браузера каждого

Итак, сколько же существует музыкантов, использующих ИИ? Точное число определить сложно, но масштабы поражают. Только на платформе Boomy к 2023 году было создано более 20 миллионов песен. Данные Suno о посещаемости указывают на миллионы активных создателей контента ежемесячно. Deezer сообщила, что почти 40 процентов ежедневных загрузок на её платформу теперь полностью генерируются ИИ. Если добавить к этому любителей экспериментировать, профессиональных продюсеров, использующих ИИ для создания отдельных дорожек или аранжировок, и создателей контента, генерирующих фоновые треки, то общее сообщество легко достигает десятков миллионов человек по всему миру.

Почему эта эпоха ощущается как революция, если её основы уходят корнями почти на семь десятилетий назад? Разрыв между созданием MIDI-мелодии и получением отполированной трёхминутной песни с подходящим для жанра вокалом, инструментами, сведением и мастерингом огромен. Более ранние системы создавали наброски, которые требовали участия исполнителей и звукорежиссёров, чтобы стать пригодными для прослушивания. Сегодняшние платформы предоставляют готовый аудиоматериал. Этот переход от «интересного академического результата» к «тому, что вы действительно добавите в плейлист» отличает Suno и Udio от Illiac Suite, хотя обе платформы основаны на одном и том же ключевом принципе: позволить машинам принимать композиционные решения.

Рынок музыки, созданной с помощью ИИ, достиг 5,2 миллиарда долларов США в 2024 году и, по прогнозам, вырастет до 60,4 миллиарда долларов США к 2034 году. Музыкальные стартапы привлекли более 700 миллионов долларов США только за первую половину 2025 года. Компания Suno привлекла 250 миллионов долларов в рамках раунда финансирования серии C в ноябре 2025 года. Это не исследовательские гранты, финансирующие академические исследования. Это венчурный капитал, делающий ставку на то, что создание музыки с помощью ИИ станет постоянной, массовой творческой категорией.

При таких огромных суммах денег, таком количестве пользователей и таком объеме творческой продукции, циркулирующей на этих платформах, влияние на существующую музыкальную индустрию было неизбежным. Известные артисты, лейблы и правовые системы должны были отреагировать, и их реакция показывает, насколько глубоко искусственный интеллект уже изменил то, кто и на каких условиях создает музыку.

...Осень...понимаю.

Ничего себе трактат ...

Причем тут сверхразум, если поле для ввода текста на форуме имеет ограничения по количеству симоволов. Не позорьтесь, а попробуйте ради интереса запихнуть в одно сообщение очень длинный текст.
Вы, может и прочитали, но ничегл не поняли, как и то, почему я разбила одно сообщение на несколько.

Послушал первую композицию. Иллиакская сюита», четырехчастное произведение для струнного квартета,бред). Слушать невозможно. Конечно , сейчас уровень повысился. Но...компьютером отдаёт все равно. Запашок.)

Ну не чего нового, большинство музыкантов давно всё это знают. Есть конечно индивидуумы , которых при ИИ ташнит, но это же их проблема. Поэтому всё вот это написание надо не здесь публиковать, а тем кто занимается генерациями ИИ, так как они думают что это что-то новое и сверхъестественное , а большинству музыкантам это неинтересно. А вот поэтам, которые штампуют песни, это будет очень познавательно.

Вот, что получилось

https://www.neizvestniy-geniy.ru/cat/music/neyroset/2794212.html?author

Смешно?) я старался)

Спросите у ИИ что ли, что там непонятно-то, песня об осознанности жизни в моменте, если кратко.

Я-то кручусь в этой индустрии и знаю, как делают там накрутки, но решила полагаться на алгоритмы, а они меня не подводят. Не вкладывая ни копейки в продвижение я имею устойчивые прослушивания моих треков и доход, что меня вполне устраивает. Кстати, почитайте статью повнимательнее, популярность ко многим песням приходит не сразу, и сейчас ее поддерживают либо алгоритмы, либо бабло. Так что я свой выбор сделала, если есть устойчивый спрос на мои песни, то этим имеет смысл заниматься, повышая качество и т.д.
Кстати, сады растут тоже не сразу, но когда вырастут даже не верится, что сначала это были саженцы полметра высотой. Надо иметь терпение и работать, вот как я считаю.

Спасибо

...ИНДУСТРИЯ...)))))))))))

Смотрим на количество прослушиваний топик стартера. Улыбаемся и машем! )))

211 прослушиваний на «Яндекс Музыке» принесут примерно 8–15 рублей до вычета комиссий дистрибьютора.Расчет выплатыСтавка за 1 прослушивание: ~0.037 – 0.06 ₽ (в среднем около 0.045–0.05 ₽ по данным Skillbox).Оценка за 211 прослушиваний: 211 × 0.05 = ~ 10.55 ₽.Реальная сумма на руки: с учетом комиссии музыкального дистрибьютора (обычно 10–30% или фиксированная подписка) выйдет около 6–12 рублей.


Я напоминаю, что теперь на ЯМе суняткам ввели маркирование их поделий, ограничение на подсовывание говна (извините, го по другому нельзя) в ленту ну и там другие штрихи. Интересно, что и суня резко ограничила деятельность вот таких "индустриалов" от сохи, лимитировав скачку мусора, ой, простите шЫдэвров)))

Индустрия., млять! Надо же такую дичь выдать ))) Говорил же тебе, почисти мусор в своей голове, может и за умную сойдешь, в попытке самоутверждения, прикрываясь красивыми фразами, которые на поверку оказываются абсолютным зеро.

P. S. В дополнение. Я всем настойчиво советую, прежде чем употреблять какое то слово, а тем более прилюдно ПУБЛИКОВАТЬ изучить значение слова, которым оперируешь.

Индустрия — это крупная сфера ЭКОНОМИЧЕСКОЙ деятельности, которая включает производство товаров или услуг, их ПРОДАЖУ и связанную с этим работу.

"Индустриалка" ты наша настольная )

Ну, так в чем дело, у меня в саду никто никого не уничтожает, растут все дружно и друг другу помогают. Про Ваш сад Вы сами рассказали…
А что касается продавцов воздуха, так кому-то, может, и неприятно слушать таких как Вы доморощенных творцов, поэтому альтернатива в виде нейротворцов и прижилась уже почти 70 лет как, думайте…

Хотите сказать, сами себе горло перережут? Я на это посмотрю, вы статью еще раз прочитайте про доходы музыкальной индустрии от творчества ИИ, сгенерированного за деньги. Смиритесь быстрее, а то уже смешно читать вас ))

Нет конечно! ))) Смириться конечно придется сунятам ))) Мне очень интересно слушать нелепые всхлипывания, как пользователь индустрии по отбиранию у нее денег оправдывается красивыми фразами про "благодарных слушателей" мусора, если у нее их количество неуклонно арифметически стремится к зеро ?! ))) И эта самая индустрия её же гнобит всякими запретами, к которым я (и не только) отношусь более чем благосклонно ) А что самое интересное, так только ты одна призналась в собственной тупости, причислив себя к "индустрии" )))))))
Как ни странно, другие сунята на такой камингаут не решились. Только Юлька-индустриалка, с бронёй во лбу, как у танка Т34! )))))))))))))))))))))))))))))))))

...дегенераты - генерировали альбомы... 8,9,10.. Карл!!!

Все эти иишные высеры без форума МУЗЫКАНТОВ, 0 и ещё раз 0, как говорится - Хули надо?

,индустриалка, ин дустриалка...(голосом В. Малежика).

Елена приветствую.
А можете дать ссылку на такой кавер на Вашу песню с использованием ИИ?

Какая глупость...Вы хоть бы историю что ли подучили.