howdeploy/kisa-stack/suno-music

Suno Music Generation Skill

Примечание по среде. Скилл писался в среде Hermes: отправка в Telegram и формат MEDIA:/path — ее конвенции доставки. В Claude Code / Codex просто сохрани файл и отдай пользователю абсолютный путь.

Описание

Генерация музыки через EvoLink Suno API. Подходит и для обычных треков по описанию, и для более точных фоновых underscore-треков под ролики, voiceover и объясняющие видео.

Когда использовать

• пользователь просит создать трек или музыку
• нужен нейтральный фон под ролик, подкаст, объяснялку, видеоэссе
• нужно быстро получить несколько вариантов одной музыкальной идеи
• упоминаются suno, музыка, трек, фон, саундтрек

Триггеры (автоматическое определение)

• "создай трек"
• "сгенерируй музыку" / "сделай песню"
• "музыка под настроение"
• "хочу послушать музыку"
• "давай сделаем трек"
• упоминание "suno"

Workflow (упрощенный)

1. Пользователь просит трек человеческим языком
2. Я коротко подтверждаю и сразу генерирую
3. Собираю промпт автоматически или вручную, если нужен более точный результат
4. Отправляю запрос в API
5. Жду завершения задачи и скачиваю файл
6. Если прямой Telegram target настроен — отправляю MP3
7. Если target не настроен или встроенная отправка недоступна — возвращаю файл через MEDIA:/absolute/path

API

• Base URL: https://api.evolink.ai/v1
• Endpoint: /audios/generations
• Auth: Bearer token в заголовке
• API Key: хранится в файле .env в директории скилла (см. .env.example)

Базовый workflow

1. Получаю запрос пользователя
2. Собираю промпт: жанр, настроение, BPM, инструменты, ограничения
3. POST на /v1/audios/generations
4. Получаю task_id
5. Polling /v1/tasks/{task_id} каждые 5 секунд
6. Когда status == "completed" — скачиваю audio URL
7. Возвращаю готовый файл пользователю

Параметры генерации

• model: suno-v5 (по умолчанию; при необходимости можно пробовать другие)
• prompt: текстовое описание трека
• custom: true/false
• lyrics: текст песни, если нужна песня, а не инструментал

Время генерации

Обычно ~20–30 секунд на трек, но с очередью может быть дольше. Закладывать до нескольких минут.

Формат ответа

• обычный путь: MP3/WAV отправляется пользователю
• fallback-путь: вернуть MEDIA:/absolute/path в сообщении, если прямой target Telegram не определен

Важный режим: фон под озвучку / YouTube voiceover

Когда пользователь просит нейтральный фон под ролик, объяснялку, документальный тех-разбор, voiceover, YouTube essay, не полагаться только на широкие жанровые ярлыки вроде lo-fi или electronic.

В таком случае промпт лучше строить вокруг функции трека:

• instrumental only
• background underscore for spoken-word / voiceover
• neutral, unobtrusive, low emotional intensity
• no vocals
• no strong melody
• no dramatic drops
• no aggressive drums
• designed to sit behind narration

Это сильно повышает шанс получить реально пригодный фон, а не просто «приятную музыку».

Рекомендуемые семейства для тех-роликов и explainers

1. Minimal ambient tech

Хорошо подходит, когда нужен самый прозрачный и умный фон.

Опорные элементы:

• soft warm pads
• subtle low pulse
• gentle air texture
• very slow harmonic movement

Если пользователь любит ambient, но раздражается от «звонких» деталей, не добавляй glassy plucks, sparkle, chimes или яркие верхние акценты по умолчанию.

2. Light documentary modular electronics

Хорошо подходит, когда хочется чуть больше структуры и инженерного ощущения, но без тревоги.

Опорные элементы:

• soft modular pulses
• muted percussive ticks
• restrained bass support
• minimal arpeggio or sequencer motion
• clean documentary feel

Если первая версия кажется слишком технологичной, смещайся от modular и futuristic к neutral documentary, human, warm, matte, soft, rounded.

3. Matte neutral explainer bed

Это полезный refinement-режим, когда пользователю в целом нравится документальный фон, но бесят звонкие или цепляющие элементы.

Опорные элементы:

• matte / rounded / soft tone
• low-key synth bed
• muted low pulse
• gentle bass support
• blurred or diffuse texture
• no memorable top-end details

Особенно полезно для YouTube-роликов, где трек должен буквально исчезать под речью.

4. Muted synthwave / soft outrun voiceover bed

Это refinement-режим для случая, когда полностью нейтральные documentary/corporate bed'ы оказываются слишком безликими, а пользователю на самом деле нужен не просто фон, а конкретный звуковой мир.

Ключевой урок из этой сессии: пользователь может жаловаться, что трек "не звучит как нейтральная фоновая музыка под видос", но реальная проблема не в избытке жанра, а в нехватке правильного synthwave-вайба.

Рабочая формула:

• synthwave / outrun timbre
• muted / restrained arrangement
• soft analog pads
• soft synth bass
• gentle retro pulse
• no lead melody
• no heroic hook
• no sax
• no bright arpeggio showcase
• no big snare fills
• no cinematic rise
• smooth unobtrusive mix under narration

Это не "сделай чистый synthwave-трек", а "сделай synthwave, который знает свое место под голосом".

Практический паттерн вариантов

Если пользователь просит несколько версий фона под одно видео, хороший рабочий набор такой:

• 1 версия minimal ambient tech
• 2 версии documentary/modular electronics

Менять между версиями лучше не все сразу, а:

• плотность ритма
• заметность pulse/sequencer motion
• ширину и воздух
• степень «документальности» против «эмбиентности»

Автоматическая генерация промптов

Скилл может сам определить:

• жанр (например: лоу-фай, электроника, ambient)
• настроение (спокойный, энергичный, меланхоличный)
• BPM
• дополнительные параметры (pads, vocals, atmosphere)

Но если задача узкая — например, фон под речь — лучше вручную уточнять промпт, а не надеяться только на keyword-автоматику.

Seamless loop mode for video backgrounds

Когда пользователь просит фон, который потом будут растягивать под любую длину видео, трактуй это как отдельный режим, а не как обычный трек.

Что нужно прямо зашивать в промпт:

• instrumental only
• seamless loop / seamless looping
• loopable background bed
• written as a perfectly loopable 8-bar or 16-bar cycle
• no hard intro
• no hard outro
• no fade-out
• matching start and end energy
• stable harmony
• smooth loop transition
• designed to sit under voiceover

Практический вывод: для loopable-фона не проси «песню». Проси bed / underscore / background loop, иначе модель слишком легко делает законченный музыкальный трек с нормальным вступлением и финалом.

Особенно хорошо работает такой тройной набор вариантов:

• muted chill synthwave underscore
• cold melancholic soviet-wave bed
• soft retro ambient synth loop

Pitfalls

• Не отправляй только жанровой запрос вроде electronic ambient для voiceover-задачи — часто выйдет слишком музыкально и заметно.
• Не используй яркую мелодию, вокальные chops или агрессивные барабаны для объясняющего ролика.
• Если пользователь жалуется на «звонкие» звуки, убирай из промпта все bright/glassy/chime/pluck/sparkle/metallic и прямо прописывай: no bright elements, no ringing overtones, no shimmering top end, matte, rounded, soft.
• Если первая генерация все равно звучит слишком технологично или мягко «не туда», делай не жанровый прыжок, а маленький refinement вокруг понравившейся версии: теплее/суше/темнее/без пульса/без верха.
• Если после нескольких итераций нейтральный фон кажется пользователю слишком библиотечным, безликим или «не как настоящий вайб», проверь обратную гипотезу: возможно, ему нужен не еще более стерильный bed, а узнаваемая жанровая окраска с жестко приглушенной аранжировкой. Хороший частный ход — muted synthwave / soft outrun вместо дальнейшего сползания в corporate stock music.
• Если API отвечает 400 на сложный промпт в non-custom mode, помни конкретное ограничение: примерно 500 символов максимум. Для background-генерации лучше писать компактно и без повторов, чем длинным литературным абзацем.
• Если URL из EvoLink/Suno media CDN дает 403 при скачивании через urllib или похожий голый HTTP-клиент, повтори скачивание через curl -L --fail. У этих ссылок бывают капризные CDN/redirect-пути, где curl проходит стабильнее.
• Не обещай прямую отправку в Telegram, если target не настроен. В таком случае отдай файл через MEDIA:/....
• Если нужен выбор, лучше сделать 3 близких варианта одной концепции, чем 3 радикально разных жанра.

References

• references/voiceover-background-prompts.md — компактный банк промптов и refinement-эвристик для нейтрального фона под речь, explainers и YouTube-ролики.
• references/vpn-cyber-tech-prompts.md — готовые prompt families для VPN / privacy / cyber / AI-tech роликов: темный glitch-cinematic и более ритмичный cyber-pulse.
• references/loopable-video-background-prompts.md — короткие рабочие prompt families для seamless loop фонов под ролики: synthwave, soviet-wave и ambient bed.

Интеграция в основную систему

Типовой flow:

1. понять, нужен ли обычный трек или фон под narration
2. при необходимости вручную переписать промпт под underscore-задачу
3. если пользователь уже выбрал «почти подходящий» трек, делать 2–3 близких refinement-варианта вокруг него, а не уходить в новый жанр
4. запустить генерацию
5. скачать результат
6. доставить через Telegram или MEDIA:/... fallback