ИИ-музыка в Яндекс Музыке: что показывает детектор новых релизов
Внешний классификатор оценил долю ИИ-музыки в новых релизах Яндекс Музыки. Разбираем методику, цифры и ограничения без громких выводов.
По состоянию на 2 июля 2026 года ИИ-музыка в Яндекс Музыке в этой статье - это треки из новых релизов сервиса, которые внешний классификатор относит к полностью или преимущественно сгенерированным нейросетями по аудиопризнакам. Это не официальный статус от Яндекса и не маркировка внутри сервиса.
Повод дал свежий разбор на Habr: автор проверил релизы Яндекс Музыки за первое полугодие 2026 года и утверждает, что 37% новых релизов имеют признаки ИИ-музыки. Для полной майской выборки он приводит 710 889 проверенных треков, из которых 36,6% классифицированы как ИИ-треки. Если смотреть только релизы с лайками, доля, по его оценке, поднимается примерно до половины.
Формула «треть Яндекс Музыки - ИИ» слишком грубо сжимает смысл. Речь идёт о новых релизах, внешнем классификаторе, выбранной методике и наборе оговорок. Но сам масштаб уже трудно списать на шум на краю каталога: генеративная музыка начинает влиять на модерацию, рекомендации и доверие слушателей.
Что именно измерял автор Habr
В источнике описана проверка 3,8 млн треков, загруженных с 1 января по 30 июня 2026 года. Из-за объёма автор дальше отдельно выделяет релизы без лайков и релизы с лайками: полную проверку он провёл для мая, а для оценки полугодия сильнее опирался на треки, где уже есть пользовательский сигнал.
Здесь проходит главная граница интерпретации. Новые релизы - не вся библиотека Яндекс Музыки, лайки не доказывают качество или «человечность» трека. Релиз может не получить лайки просто потому, что его никто не нашёл. Старые каталожные треки живут по другим законам. Поэтому цифра 37% лучше читается как оценка свежего потока релизов по классификатору автора, без статуса официальной статистики сервиса.
| Тезис | Что подтверждает источник | Где нужна оговорка |
|---|---|---|
| 37% новых релизов | Habr-автор приводит оценку по релизам Яндекс Музыки за первое полугодие 2026 года. | Это не официальные данные Яндекса и не оценка всей библиотеки. |
| 36,6% в мае | В полной майской проверке указано 710 889 треков и 36,6% ИИ-треков по классификатору. | Май - один месяц; классификатор не проходил независимый публичный аудит на этой выборке. |
| Точность детектора | Автор показывает матрицу ошибок на тестовом наборе и ссылается на SONICS и работу Deezer Research. | Тестовый набор и реальный каталог стриминга - разные распределения данных. |
| Сравнение с Deezer | Deezer официально сообщает о 44% AI-generated tracks среди новых загрузок на своей платформе. | Это uploads Deezer, а не релизы Яндекс Музыки; переносить процент напрямую нельзя. |
Как устроен детектор ИИ-музыки
Методика в Habr-статье опирается на идею, которую ранее описали исследователи Deezer Research в работе A Fourier Explanation of AI-music Artifacts. Короткая версия такая: у современной сгенерированной музыки могут появляться характерные пики в частотном спектре. Они связаны с архитектурными особенностями генеративных моделей, в частности с артефактами, похожими на checkerboard artifacts в изображениях.
Автор Habr берёт эту идею и строит более простой pipeline: вычисляет частотный спектр, берёт производную, сжимает признаки через PCA и обучает XGBoost. Для обучения он использовал 1500 треков из SONICS в балансе 50/50 между ИИ-музыкой и обычной музыкой. На этом тесте, по его словам, все треки, названные моделью ИИ, действительно оказались ИИ, а из всех ИИ-треков модель нашла 98,7%.
SONICS здесь нужен как исследовательская рамка, а не как готовая печать истины. Датасет сделан именно для end-to-end synthetic song detection: он отделяет полностью синтетические песни от обычной музыки, а не только ловит voice deepfake поверх реальной инструментальной дорожки. В описании SONICS указано более 97 тыс. песен, 4 751 час аудио и более 49 тыс. синтетических треков из Suno и Udio.
Но между хорошей матрицей ошибок и промышленной маркировкой есть расстояние. Нужна проверка на новых генераторах, на разных жанрах, на мастеринг-цепочках, на треках с человеческим вокалом и ИИ-аранжировкой, на гибридных работах. Иначе детектор может отлично работать на одном распределении и неожиданно ошибаться на другом.
Почему 37% не означает «треть всей Яндекс Музыки»
В майской полной проверке автор показывает 710 889 релизов. На графике 36,6% попали в красный сектор «ИИ-треки», 59,7% - в «не ИИ-треки», ещё 3,1% помечены как неточная оценка классификатора, а 0,6% были недоступны к загрузке. Это сильная иллюстрация масштаба, но она не отменяет осторожность.
Во-первых, речь о релизах, а не о прослушиваниях. Миллионы автоматически загруженных треков могут почти не доходить до слушателя. Во-вторых, релизы без лайков составляют большую часть свежего потока, и автор сам отделяет их от дальнейшей части анализа. В-третьих, один трек может быть полностью сгенерированным, частично созданным с помощью ИИ или просто иметь похожий спектральный след после обработки. Для пользователя и для правообладателя это разные случаи.
Такой текст лучше читать как раннее измерение проблемы. Он не доказывает, что «Яндекс Музыка на треть состоит из нейрослопа», зато показывает риск: без собственной маркировки, валидации и политики рекомендаций платформа получает поток релизов, происхождение которых непонятно слушателю.
Что показывает сравнение с Deezer
Deezer даёт полезную внешнюю точку сравнения: это официальная позиция стриминга, а не сторонний эксперимент. 20 апреля 2026 года компания сообщила, что получает почти 75 тыс. полностью ИИ-сгенерированных треков в день, примерно 44% ежедневных загрузок. При этом такие треки дают только 1-3% прослушиваний, а до 85% этих прослушиваний Deezer относит к мошенническим и исключает из выплат.
Мы уже разбирали этот кейс отдельно в материале про Deezer и AI music fraud. Важный вывод оттуда переносится и на историю с Яндекс Музыкой: проблема не только в факте генерации. Проблема в смешении трёх вещей - массовых загрузок, неясной маркировки и экономического стимула заливать дешёвый контент ради попадания в каталог или рекомендации.
Deezer утверждает, что помечает ИИ-треки, убирает их из алгоритмических рекомендаций и не включает в редакционные плейлисты. Для Яндекс Музыки публично сопоставимой политики по этому конкретному инфоповоду мы не видим. Поэтому честная формулировка такая: данные Habr поднимают вопрос, но не заменяют ответа самой платформы.
Почему это важно для рекомендаций
Для слушателя ИИ-трек чаще всего появляется не как строка в базе, а как рекомендация, плейлист, радио, похожий исполнитель или новая песня в подборке. Поэтому спор об ИИ-музыке быстро уходит из модерации в ранжирование. Если система не понимает происхождение трека, она не может объяснить, почему рекомендует его человеку и как балансирует интересы живых артистов, лейблов, генеративных студий и слушателей.
У Яндекса есть сильный ML-контекст в рекомендациях: мы отдельно писали, как Yandex ARGUS уходит от каскадной схемы рекомендаций. Но любой современный ранжировщик становится лучше только тогда, когда входные признаки честно описывают объект. Если происхождение музыки скрыто или определяется постфактум внешними энтузиастами, рекомендательная система работает с неполной картиной.
Отдельный слой - генераторы. Поток ИИ-музыки не возникает из воздуха: его создают Suno, Udio, Stable Audio и десятки похожих инструментов. Для читателя, который хочет понять источник этого контента, полезен наш обзор нейросетей для музыки в 2026 году. Там главный фокус на создании треков; здесь - на том, что происходит, когда такие треки массово попадают в стриминг.
Какие проверки нужны дальше
Первая проверка - независимый аудит классификатора на релизах Яндекс Музыки. Нужна выборка, где треки вручную размечены несколькими экспертами или сопоставлены с надёжной внешней маркировкой. Без этого нельзя хорошо оценить false positive: сколько человеческих релизов ошибочно попадут в ИИ.
Вторая - устойчивость к новым генераторам и обработке. Спектральные артефакты могут меняться вместе с архитектурами, кодеками, мастерингом и постобработкой. Хороший детектор должен не только находить старые Suno/Udio-паттерны, но и объяснять, где его уверенность падает.
Третья - продуктовая политика. Даже точный детектор сам по себе не отвечает на вопросы: надо ли маркировать треки, убирать ли их из рекомендаций, показывать ли пользователю долю ИИ в плейлисте, как считать выплаты, как относиться к гибридным трекам, где человек написал песню, а ИИ помог с аранжировкой. Deezer выбрал одну траекторию. Яндекс Музыке, если оценки подтвердятся, придётся выбирать свою.
Короткий вывод
Материал Habr не ставит приговор Яндекс Музыке. Это заметный внешний замер с открытым репозиторием и понятной методикой, но без статуса официального отчёта платформы или независимого аудита. Самая аккуратная формула такая: по оценке внешнего классификатора, доля ИИ-музыки среди новых релизов Яндекс Музыки в первом полугодии 2026 года может быть очень высокой, а майская полная проверка показывает 36,6%.
Если эти оценки близки к реальности, стримингам придётся перестать относиться к ИИ-музыке как к экзотике. Нужны метки, прозрачная политика рекомендаций, проверка fraud-сигналов и нормальная граница между полностью синтетическими треками, гибридным творчеством и обычной музыкой. Слушатель не обязан разбираться в Фурье и PCA, чтобы понимать, что именно ему рекомендует сервис.
FAQ
Сколько ИИ-музыки в Яндекс Музыке?
Официальной публичной статистики Яндекса по этому инфоповоду нет. По оценке автора Habr, 37% новых релизов за первое полугодие 2026 года имеют признаки ИИ-музыки, а в полной майской проверке доля составила 36,6%. Это оценка внешнего классификатора, а не официальный показатель сервиса.
Можно ли по спектру точно определить ИИ-трек?
Спектральные артефакты могут быть хорошей зацепкой. Работа Deezer Research показывает, что у генеративной музыки встречаются характерные пики, а Habr-автор показывает высокую точность на тестовой выборке. Но «точно всегда» - слишком сильное обещание: нужны проверки на новых генераторах, жанрах, постобработке и гибридных треках.
Почему 37% новых релизов не означает треть всей библиотеки?
Потому что новые релизы - это поток загрузок за период, а библиотека - весь каталог за годы. Кроме того, релизы не равны прослушиваниям: часть треков почти никто не слушает, часть не получает лайков, часть может быть недоступна к загрузке. Поэтому цифру корректнее обсуждать как долю свежих релизов по классификатору автора.
Источники
- Habr: «Треть новых релизов на Яндекс Музыке - ИИ. Теперь точно», опубликовано 2 июля 2026 года.
- Deezer Newsroom: AI-generated tracks now represent 44% of all new uploaded music, 20 апреля 2026 года.
- arXiv: A Fourier Explanation of AI-music Artifacts, Deezer Research, 23 июня 2025 года.
- arXiv: SONICS: Synthetic Or Not - Identifying Counterfeit Songs.
- GitHub: awsaf49/sonics.
- GitHub: alexeyfv/slopless classifier.
