Нейросеть для стихов: как она пишет?

Как нейросеть пишет стихи на русском?

Языковая модель подбирает следующее слово по вероятности, и стихотворение для неё — такой же текст, как список покупок. Она не сочиняет в человеческом смысле, а продолжает начатое: получает запрос «стих про осень», прикидывает, какие слова обычно идут следом, и выдаёт цепочку. Складность берётся оттуда же, откуда всё остальное: в обучающих данных были миллионы стихотворных строк.

Выходит при этом неожиданно прилично. В 2024 году Брайан Портер и Эдуар Машери из Питтсбургского университета опубликовали в Scientific Reports исследование «AI-generated poetry is indistinguishable from human-written poetry». Из 1 634 участников почти никто не отличил стихи ChatGPT от стихов десяти известных поэтов: средняя точность составила 46,6%, то есть ниже случайного угадывания. Машинным строкам вдобавок чаще ставили высокие оценки за ритм и красоту.

Эксперимент был англоязычным, и это принципиальная оговорка. Английский стих терпимее к вольностям, а верлибр вообще снимает вопрос размера. С русской силлабо-тоникой всё иначе, и лучше всего это видно на живой прогонке.

Что вышло, когда мы дали четырём моделям один запрос

Четыре модели получили одинаковое задание: «четырёхстопный ямб, четыре катрена, перекрёстная рифмовка ABAB, тема — осенний дождь в городе». Прогон сделан 7 августа 2026 года через каталог Trackly, по одной попытке на модель, без правок промпта.

Размер выдержали все четыре. В строке «Размыт проспект, как синий дым» (Gemini 2.5 Flash) ударения стоят на втором, четвёртом, шестом и восьмом слогах — это безупречный ямб. Так что миф «нейросети не умеют в размер» на коротких формах уже неверен.

Развалилось другое. GPT-5 из восьми рифменных пар шесть построил на повторе того же самого слова: «витрин — витрин», «крыш — крыш», «свет — свет», «дождём — дождём», «зима — зима», «вновь — вновь». Формально созвучие идеальное, фактически рифмы нет вообще. Строки «Шуршит листва по кромкам крыш» и «Гремит ручей у кромок крыш» стоят в одном катрене.

Claude Opus 4.7 держал форму, но споткнулся на грамматике. «Тонул в промокшую золу» требует предложного падежа — «в промокшей золе». А строка «В остывший каменный ладонь» ошибается в роде: ладонь женского рода. Заодно это слово зарифмовано само с собой: «тёплая ладонь» в третьей строке, «каменный ладонь» в четвёртой.

Gemini 2.5 Pro выдал самый чистый текст по звуку и попался на висячем деепричастии: «Под монотонный стук шагов / Смывая городской покой» — смывает тут непонятно кто.

Вывод из прогона: следить надо не за размером, а за рифмой, падежами и родом. Именно там модель ломается на русском, и именно это придётся вычитывать руками.

Почему у нейросети сбивается стихотворный размер?

Размер сбивается там, где стих длиннее нескольких строф, и причина в том, что модель не видит слогов. Она видит токены — куски слов, нарезанные по статистике, а не по звучанию. Метод описали Рико Сеннрих с коллегами в 2015 году в работе «Neural Machine Translation of Rare Words with Subword Units», и с тех пор на нём работают почти все текстовые модели. Слово «стихотворение» превращается в горсть фрагментов, ни один из которых не совпадает со слогом.

Дальше цепочка ломается сама собой. Чтобы построить строку четырёхстопного ямба, нужно знать, куда падает ударение в каждой словоформе, и восемь раз подряд чередовать безударные позиции с ударными. Этого слоя у модели нет: ударение для неё не звук, а редкий типографский значок, которого в обучающих текстах почти не бывает.

В 2024 году на воркшопе KnowLLM при конференции ACL вышел бенчмарк PhonologyBench: языковые модели сравнили с людьми на трёх фонологических задачах. На подсчёте слогов разрыв составил 45 процентных пунктов не в пользу машин, на подборе рифмующегося слова — 17. Замеряли на английском, где ударение чаще закреплено за словом жёстко.

В русском оно подвижное. За́мок и замо́к, о́рган и орга́н, сто́ит и стои́т пишутся одинаково, а звучат по-разному, и верный вариант выбирается по смыслу фразы. Сама система описана давно и подробно: в поэтическом корпусе НКРЯ размечены метр, икты и рифменные зоны для 107 811 текстов общим объёмом 14 477 581 слово. Только эта разметка живёт отдельно от модели, внутрь она не попадает.

Почему рифма скатывается в глагольную?

Глагольная рифма побеждает потому, что она самая вероятная, а модель выбирает вероятное. «Бежал — лежал», «мечтать — летать», «пришёл — нашёл»: русские глаголы в одной форме имеют одинаковые окончания, так что созвучие получается само, без подбора. Для алгоритма, который минимизирует неожиданность следующего токена, это путь наименьшего сопротивления.

Тавтологическая рифма из нашего прогона — та же болезнь в крайней стадии. Если повтор слова технически удовлетворяет требованию «рифма», модель охотно берёт бесплатное решение вместо дорогого поиска.

Есть и вторая причина. Точная рифма в русском считается от ударного гласного до конца слова, то есть снова упирается в ударение, которого модель не знает. Поэтому она подстраховывается совпадением букв на конце: иногда выходит честное созвучие, иногда рифма «для глаза», которая на слух рассыпается.

Как заставить модель держать размер и рифму?

Пространство выбора надо сузить руками. Шесть приёмов закрывают почти все типовые провалы.

1. Назовите размер словами и цифрами. «Четырёхстопный ямб, четыре катрена, рифмовка ABAB» работает несравнимо лучше, чем «красиво и в рифму».
2. Дайте образец. Две-четыре строки нужного ритма прямо в запросе — самый сильный рычаг: форму примера модель копирует отлично, даже когда не может её описать.
3. Запретите повторы и глагольные рифмы прямым текстом. Одна фраза «каждое рифмующееся слово встречается в стихотворении один раз» снимает ровно ту поломку, которую мы поймали у GPT-5.
4. Не просите считать слоги. Счёт упирается в ту же токенизацию: авторы работы «Counting Ability of Large Language Models» показали в 2024 году, что нарезка на токены сама по себе роняет способность модели считать. Просите не «посчитай», а «перепиши строку короче на одно слово».
5. Генерируйте по строфе. Четверостишие за раз держится ровнее, чем поэма целиком.
6. Просите три варианта каждой строфы. Из трёх обычно находится один без спотыкания, а лучшие строки легко смонтировать.

Общие правила формулировок мы разбирали в материале про промты для нейросети; к стихам они применимы целиком.

Какая нейросеть лучше пишет стихи?

Выбор идёт не по «поэтичности», а по послушности форме и цене перебора: стену с ударениями все крупные модели пробивают одинаково плохо. Ниже те, что доступны в каталоге Trackly без VPN и с оплатой рублями.

Модель	Что показала на нашем прогоне	Цена запроса
Claude Opus 4.7	Ровный размер и живая образность, но два падежных промаха в четырёх катренах	60 токенов
Gemini 2.5 Pro	Самый чистый звук и честные рифмы, споткнулся на висячем деепричастии	30 токенов
Gemini 2.5 Flash	Точный ямб и ни одной грамматической ошибки при самой низкой цене	12 токенов
GPT-5	Идеальный метр и шесть повторов слова вместо рифмы из восьми пар	35 токенов

Цены в таблице живые, они подтягиваются из каталога, а списание идёт с общего баланса. Одна прогонка — не бенчмарк, поэтому проверьте на своей теме: разброс между попытками у всех моделей заметный.

Как написать стих нейросетью бесплатно и на русском?

Бесплатно попробовать можно за счёт приветственного бонуса токенов, который начисляется после регистрации. Аккаунт обязателен, и почту нужно подтвердить, зато дальше ничего не нужно: интерфейс на русском, VPN не требуется, пополнение — российской картой в рублях.

Запрос «нейросеть для стихов бесплатно без регистрации» ищут постоянно. Анонимные генераторы существуют, но за ними обычно стоят слабые модели и очередь. Бонусных токенов хватает, чтобы сравнить пару вариантов и решить, нужен ли инструмент вообще.

Стихи для песни, поздравления и открытки

Прикладная поэзия — главный сценарий, ради которого нейросеть для стихов вообще открывают. По данным Яндекс Вордстата на август 2026 года, фразу «нейросеть для стихов» в России набирают 1 630 раз в месяц, «стихи для песни нейросеть» — 275 раз, «нейросеть для создания стихов для песен» — 53 раза. Заметная часть куста — про текст песни, а не про высокую лирику.

Для поздравлений у нас есть отдельный шаблон «Поздравление с днём рождения». В него зашита инструкция, которая просит живой тон вместо штампов, и выдаёт он текст как прозой, так и в стихах. Один запрос стоит 25 токенов. Укажите, кому и от кого, возраст, повод и пару фактов о человеке: детали важнее длины задания.

Песенный текст требует другого подхода — строфа с припевом, повторяемость, простые слова под мелодию. А если рифма не нужна и нужна история, посмотрите гайд про нейросеть для сказки: там разбирается сюжет с иллюстрациями.

Чего ждать не стоит: границы машинной поэзии

Уникальность и авторские права — первое, о чём стоит помнить. Модель не копирует чужие строки дословно, но и не гарантирует, что сгенерированное четверостишие нигде не встречалось. Перед публикацией текст полезно прогнать через поиск.

Стилизация «под Есенина» выходит поверхностной: модель схватывает лексику и типичные образы, а не мышление автора. Получается узнаваемая обёртка вокруг пустоты, и это видно даже неподготовленному читателю.

Редактура остаётся человеческой работой. Наш прогон это и показал: три текста из четырёх потребовали правки на одну-две строки, причём не по размеру, а по грамматике. Как вычищать характерные машинные следы, мы собрали в отдельной статье.

Источники

• Porter B., Machery E. AI-generated poetry is indistinguishable from human-written poetry and is rated more favorably. Scientific Reports, 2024 — https://pmc.ncbi.nlm.nih.gov/articles/PMC11564748/ (проверено 2026-08-07)
• Suvarna A., Khandelwal H., Peng N. PhonologyBench: Evaluating Phonological Skills of Large Language Models. KnowLLM @ ACL, 2024 — https://aclanthology.org/2024.knowllm-1.1/ (проверено 2026-08-07)
• Sennrich R., Haddow B., Birch A. Neural Machine Translation of Rare Words with Subword Units, 2015 — https://arxiv.org/abs/1508.07909 (проверено 2026-08-07)
• Zhang X., Cao J., You C. Counting Ability of Large Language Models and Impact of Tokenization, 2024 — https://arxiv.org/abs/2410.19730 (проверено 2026-08-07)
• Поэтический корпус Национального корпуса русского языка — https://ruscorpora.ru/corpus/poetic (проверено 2026-08-07)