Что Suno показала 17 ноября
Вкладка Visuals появилась в Suno 17 ноября. Официальный блог компании выпустил текст «Introducing Visuals», его автор Джек Броуди, директор по продукту. В тот же день, 17 ноября в 16:34 по Гринвичу, новость разобрал The Next Web, и у него есть детали, которых в блоге нет.
Visuals это новая вкладка рядом с музыкой: картинки и видео к песням, которые уже лежат в библиотеке. Внутри заявлены лирик-видео, которые двигаются в такт, обложки альбомов и оживление фотографий. Для человека с готовым треком это тот набор, который раньше раскладывался по трём сервисам: текст в один, обложка во второй, движение в третий.
Как собрать клип под песню во вкладке Visuals
Порядок короткий. Берёшь песню из библиотеки, перетаскиваешь во вкладку Visuals, получаешь клипы до 15 секунд. Дальше их можно продлевать, править и менять запрос текстом, то есть переписывать описание обычной строкой.
Старт бывает двух видов. Либо оригинальные персонажи Suno, либо своя картинка: фото, обложка, кадр из прошлого ролика. Второй путь важнее для тех, у кого есть визуальный стиль проекта и его надо держать от выпуска к выпуску.
Клип на песню из готовых шотов собирается иначе, и об этом ниже.

Почему модель слушает саму песню
Главная деталь в том, что модель оптимизирована под музыку. Клипы следуют структуре песни, подхватывают слова и синхронизируют губы с ними. Обычная видеомодель получает текст и не знает, где в треке припев, где пауза и на каком слове вступает голос. Здесь на вход идёт сама песня, поэтому куплет и припев попадают в разные куски, а губы совпадают со строкой.
Практический вывод для заказчика простой. Инструмент годится там, где в кадре поют. Для ролика с закадровым голосом синхронизация губ не нужна, и переплачивать за неё незачем.
Клип на песню из готовых шотов: в чём разница
Привычная сборка идёт от раскадровки: придумали кадры, сгенерировали каждый отдельно, потом свели под бит в монтажке. Плюс в контроле, слабое место в стыках. Между шотами рвётся свет, меняется одежда героя, едет направление движения, и каждый стык становится отдельной правкой.
Visuals идёт от песни. Модель держит один непрерывный кусок до 15 секунд, где картинка уже привязана к звуку. Стыков меньше, зато и выбора меньше: кадр не пересобирается по планам, его правит текстовый запрос.
Оба пути живут рядом. Короткий лирик-клип под готовый трек быстрее получается в Visuals. Ролик с сюжетом, героями и сменой локаций всё ещё собирается из шотов, и там без монтажёра не обойтись.

Лирик-видео, обложки и оживление фото
Три сценария из анонса стоят разной работы. Лирик-видео самое очевидное: слова бегут в такт, и для соцсетей этого достаточно. Обложка альбома это одна картинка, которая двигается, и для релиза на площадках она закрывает дырку между синглом и клипом. Оживление фото интереснее всего для архива: старый снимок начинает дышать в ритме трека.
Вот здесь и видно разницу с обычным музыкальным клипом нейросетью, который делают шотами. Там движение придумывают под музыку руками, здесь его подсказывает сама песня.
Фильтры, водяные знаки и отдельные кредиты
The Next Web пишет про фильтры. Они блокируют запросы и загрузки с конкретными артистами, публичными лицами и защищёнными персонажами. Перед публикацией вне Suno видео получают скрытые водяные знаки. Кредиты используются отдельные, то есть сверх обычной подписки. TNW напоминает, что ByteDance добавила похожие ограничения в Seedance в марте.
Моё отношение к этому спокойное. Фильтр на чужое имя снимает половину рисков у бренда, который заказывает ролик. Скрытый водяной знак означает, что клип из Visuals остаётся помеченным и после выгрузки, и это стоит сказать клиенту заранее, до сметы. Для вертикальной рекламы такая прозрачность скорее помощь: площадки всё плотнее спрашивают про происхождение видео.
Чего в анонсе нет
Ни в блоге, ни у TNW нет трёх вещей: цены кредитов, разрешения клипа и прав на коммерческое использование. Про деньги сказано только то, что кредиты отдельные. Разрешение не названо вообще, поэтому непонятно, хватит ли картинки для экрана в сторе и для билборда.
Права важнее остального. Пока в источниках нет строчки про коммерческое использование, считать Visuals каналом для рекламных роликов рано. Сначала тест, потом договор с клиентом, потом серия.
С запуском источники расходятся. Блог Suno пишет про веб, iOS и Android. TNW уточняет, что сейчас работает веб, а мобильные приложения выйдут в ближайшие недели. На 18 ноября верю TNW.
Вывод
Visuals закрывает узкую и частую задачу: быстро получить движущуюся картинку под свою песню, с попаданием в структуру и в слова. Для короткого клипа, рилса и анонса трека это экономит целый этап сборки. Для рекламного ролика с героями и сюжетом инструмент пока вспомогательный.
Порядок для нового трека такой. Сначала 15 секунд на припеве, где видно и рот, и текст. Если губы и слова на месте, продлеваю и собираю весь клип. Если разъезжается, дешевле вернуться к шотам и монтажке, а видео нейросетями собрать серией коротких сцен.
Ещё одна мысль. Suno в октябре запустила Speech, озвучку речи. Компания достраивает вокруг песни весь звук: слова, голос, картинку. Для тех, кто делает видео под музыку, это значит, что половина работы скоро окажется в одном окне. Проверить это получится только руками, когда Visuals доберётся до телефонов.
Смежные материалы: клип по песне нейросетью.




