Chiedi una canzone a ChatGPT e succede qualcosa di strano. Scrive Python, lo esegue e ti consegna un file WAV. ChatGPT può fare musica? Tecnicamente sì. Il nostro brano di prova di 30 secondi includeva accordi, batteria e una "voce femminile". Ma premi play e la cantante si rivela un insieme di onde sinusoidali che canticchiano vocali.
Una canzone vera ha bisogno di un modello musicale dietro la chat. Ne abbiamo collegato uno tramite Atlas Cloud e, su un account ChatGPT gratuito, abbiamo creato quattro cose in un unico progetto: un brano cantato, una base strumentale, una voce fuori campo e un video di 12 secondi con l'audio mixato. Ecco tutti i passaggi.
Un progetto ChatGPT: una canzone, una base strumentale, una voce fuori campo e il video finito.
Punti chiave
- Nel nostro test, ChatGPT ha programmato un WAV di 30 secondi senza plugin, ma il suo cantante sintetizzato si limitava a canticchiare vocali.
- Aggiungi il plugin Atlas Cloud e la stessa chat restituisce canzoni MiniMax Music 3.0 finite con voci reali.
- Una richiesta ha trasformato i testi scritti da ChatGPT in un brano cantato di 79 secondi, e una canzone può durare circa cinque minuti.
- La funzione Leggi ad alta voce di ChatGPT riproduce solo le risposte dentro l'app, mentre una voce fuori campo ElevenLabs v3 arriva come file MP3.
- ChatGPT ha poi mixato musica e voce fuori campo su una clip Seedance 2.5 con ffmpeg, nello stesso progetto.
ChatGPT può fare musica da solo?
Più o meno, e quel "più o meno" è interessante. Nell'app desktop di ChatGPT abbiamo chiesto una canzone lo-fi di 30 secondi con voce femminile, come file audio riproducibile, e gli abbiamo detto di non usare plugin. La prima esecuzione Python ha dato errore. La seconda ha funzionato, e ChatGPT ha presentato il risultato come un brano chiamato Moonlight Dreams.
Poi abbiamo letto il codice. Ogni suono nel file è costruito con la matematica: accordi di onde sinusoidali, un kick sintetico e raffiche di rumore per il rullante, il tutto renderizzato a 22.050 Hz. La "cantante" è un tono modellato per assomigliare alle vocali oh, ay, ee e oo. ChatGPT ha sì scritto quattro righe di testo, ma compaiono solo come commento nel codice. Nessuna parola viene mai cantata.
A suo credito, la risposta lo dice: la voce è "sintetizzata per somigliare a una morbida voce femminile, anziché a una registrazione di una cantante reale". Ecco esattamente cosa ha creato. Abbiamo rieseguito lo script di ChatGPT e l'output corrispondeva al suo file byte per byte.
7DbbbH0vvlQ
La capacità nativa davvero utile è arrivata dopo. Abbiamo chiesto a ChatGPT, sempre senza plugin, di esportare melodia e accordi come MIDI. Ha restituito un file MIDI a quattro tracce a 82 BPM costruito su una progressione Dmaj7, Bm7, Gmaj7 e A, pronto da inserire in una DAW e assegnare a strumenti reali. Ha persino avvertito che la melodia è un'approssimazione dell'audio, non una trascrizione.
Quindi ChatGPT è un buon blocco per appunti per testi, griglie di accordi e MIDI. Una canzone finita con una voce dall'aspetto umano è un'altra questione, e OpenAI non promette che arriverà presto.
Quando un utente ha chiesto un modulo musicale nativo sul forum di OpenAI, il supporto OpenAI ha risposto l'8 settembre 2026: "Non abbiamo una tempistica da condividere." OpenAI ha creato modelli musicali anni fa, MuseNet nel 2019 e Jukebox nel 2020, ma nessuno dei due è una funzione di ChatGPT.
Come usare ChatGPT come generatore musicale con il plugin Atlas Cloud
Il plugin Atlas Cloud consegna a ChatGPT un catalogo di oltre 400 modelli, inclusi modelli musicali e vocali, e restituisce i loro file alla chat. Ecco dove arriva questo articolo: un video finito con una base musicale e una voce fuori campo, riprodotto dentro il thread ChatGPT che l'ha creato.
Installa il plugin una volta dalla sua pagina della Directory dei plugin e accedi con il tuo account Atlas nel browser. La nostra guida al lancio copre ogni clic. Abbiamo lavorato in modalità Work dentro un progetto ChatGPT, così ogni file restituito dal plugin è stato salvato in una cartella sul nostro computer.
Da lì, ogni canzone o voce fuori campo richiede tre passaggi:
- Scrivi la richiesta nella casella dei messaggi. Indica il plugin e il modello, descrivi il suono e chiedi di vedere la richiesta prima che venga eseguito qualcosa.
- Inviala. ChatGPT scrive i testi che hai chiesto, controlla le opzioni correnti del modello e risponde con la richiesta esatta che intende inviare.
- Rispondi "confirm submission" quando l'anteprima della richiesta ti sembra corretta. Il plugin esegue il lavoro, lo attende e salva il file con il nome che hai indicato.
Il modello in quella richiesta è MiniMax Music 3.0. Accetta due input che svolgono lavori diversi: un prompt di stile che descrive la musica e un campo dei testi che contiene le parole.
ChatGPT può creare una canzone con voci dai tuoi testi?
Sì, ed è qui che la scrittura di ChatGPT trova finalmente una voce. Abbiamo lasciato che ChatGPT scrivesse i testi e li passasse direttamente al modello musicale in un unico messaggio:
ChatGPT ha scritto nove righe, con un ritornello che si apre su "Cinema sul tetto, resta ancora un po'". Ha messo i tag di sezione su righe separate, che è il modo in cui MiniMax Music 3.0 interpreta l'arrangiamento. Dopo una conferma, un MP3 di 79 secondi è arrivato nella cartella del progetto a 44,1 kHz stereo.
Il brano si apre con circa 16 secondi di vocalizzo senza parole. La strofa entra intorno ai 20 secondi, segue il ritornello, e la riga di outro "Tieni l'immagine dove siamo" lo chiude verso i 68 secondi. Abbiamo passato il file a un modello speech-to-text per verificare, e ogni riga scritta da ChatGPT viene cantata in ordine.
sHJbZYxbkpg
Hai testi tuoi? Incollali al posto dell'istruzione di scrittura e mantieni i tag. La struttura che fornisci determina la lunghezza: tre sezioni brevi ci hanno dato 79 secondi, mentre una struttura completa con strofa, ritornello e bridge dura di più.
Usare ChatGPT per basi musicali senza voci
Una canzone con voci entra in conflitto con una voce fuori campo. Per il lavoro video di solito vuoi una base: la stessa atmosfera, senza cantante. Nella stessa chat abbiamo chiesto a MiniMax Music 3.0 "la stessa atmosfera da notte d'estate sul tetto, come indie lo-fi morbido, 90 BPM, piano Rhodes soffice, chitarra elettrica smorzata, leggero crepitio da vinile, batteria spazzolata" senza voci.
Il plugin ha impostato l'opzione strumentale del modello, che gli dice di ignorare del tutto i testi. È tornato un brano di 81 secondi, abbastanza lungo per montarci qualsiasi video breve.
q6_-Y0BcHG8
La sintesi vocale di ChatGPT ti dà un file di voce fuori campo?
ChatGPT sa parlare, ed è per questo che così tante persone cercano la sintesi vocale di ChatGPT. Leggi ad alta voce, che OpenAI ha aggiunto a marzo 2024, pronuncia qualsiasi risposta. La modalità voce sostiene una conversazione parlata in una delle nove voci. Entrambe sono pensate per l'ascolto sul momento, e non abbiamo trovato un modo per salvarne l'audio.
| Opzione | Cosa ottieni | Un file da conservare | Ideale per |
|---|---|---|---|
| Leggi ad alta voce | La risposta pronunciata dentro l'app | Nessuna opzione trovata | Ascoltare una risposta lunga |
| Modalità voce | Una conversazione vocale dal vivo in una delle nove voci | Nessuna opzione trovata | Domande a mani libere |
| Plugin Atlas Cloud con ElevenLabs v3 | Il tuo script letto in una delle 21 voci | MP3 nella cartella del progetto | Voci fuori campo per video, annunci e demo |
Per la nostra clip sul tetto ci serviva una traccia di narrazione, così abbiamo chiesto al plugin ElevenLabs v3 con la voce Sarah a stabilità 0,4. Una stabilità più bassa dà una lettura più espressiva. Lo script era una riga di testo:
Venerdì, ore 21. Porta una coperta. La città si fa silenziosa, il proiettore ronza e per una notte lo skyline è il nostro schermo. Rooftop Cinema.
ChatGPT ha cercato da solo l'ID voce di Sarah e l'ha mostrato nella richiesta. Il risultato è stato un MP3 di 10,2 secondi, e una trascrizione corrispondeva allo script parola per parola. Puoi sentirlo nel video finito qui sotto.
OpenAI vende la sintesi vocale agli sviluppatori tramite la sua API, ma quella funziona fuori dall'app ChatGPT e restituisce l'audio al tuo codice.
Metti la tua musica e la voce fuori campo di ChatGPT su un video nella stessa chat
Il punto di una base e di una voce fuori campo è questo: contano solo quando stanno sotto le immagini. Così siamo rimasti nel progetto e abbiamo chiesto il filmato, con l'audio disattivato perché la colonna sonora era già pronta. Il modello era Seedance 2.5 in modalità testo-video:
La clip è tornata a 1280×720 e 12 secondi, muta come richiesto. Si apre sulle bobine del proiettore in primo piano, poi si sposta oltre il fascio di luce fino al suo profilo mentre ride sotto la coperta. Poi è arrivato il mix, in parole semplici:
ChatGPT ha scritto ed eseguito un comando ffmpeg sulla nostra macchina. Ha ritardato la voce di un secondo, ha abbassato la musica di 12 dB da quel punto, ha applicato una dissolvenza in chiusura e ha copiato il flusso video senza modifiche. L'output è stato tagliato a esattamente 12,04 secondi. Attiva l'audio per questo.
IGT9pY7u5Mg
Chi cerca un generatore video Suno di solito vuole questo passaggio esatto: immagini in movimento sotto una canzone finita. Qualsiasi MP3 nella cartella del progetto funziona allo stesso modo, non solo uno creato in questa chat. Per altri modi di iniziare una clip, vedi i nostri test su video da testo, foto e riferimenti. Un video musicale multi-inquadratura con sincronizzazione labiale è una costruzione più grande, trattata nella nostra guida al video musicale MiniMax H3.
Quale modello musicale dovrebbe usare ChatGPT per il tuo progetto?
Il plugin attinge allo stesso catalogo Atlas usato dalla piattaforma, quindi la vera scelta è quale modello indicare nella richiesta. Questi sono quelli che vale la pena conoscere per il lavoro su musica e voce, con i limiti elencati da ciascuna pagina del modello.
| Modello | Cosa produce | Limite per richiesta | Scegliilo quando |
|---|---|---|---|
| MiniMax Music 3.0 | Una canzone finita da una descrizione di stile, con i tuoi testi o testi che scrive | Circa 5 minuti di audio, 3.500 caratteri di testi | Vuoi un brano completo con voci, o una base strumentale pulita |
| ElevenLabs v3 | Parlato espressivo in 21 voci integrate | 5.000 caratteri | La voce fuori campo trasmette emozione, come un trailer o una storia |
| MiniMax Speech 2.6 HD | Parlato in 15 voci preimpostate con controlli di emozione, tono e velocità | 10.000 caratteri | Ti serve una lunga narrazione in una sola passata, o una delle 16 lingue |
| Gemini 3.1 Flash TTS | Parlato in 30 voci predefinite, modellate da indicazioni in linguaggio naturale nel testo | 10.000 caratteri | Vuoi guidare accento e ritmo descrivendoli |
| Seed Audio 1.0 | Una scena audio completa da un solo prompt: voci più effetti sonori | Fino a 3 riferimenti vocali | Vuoi una clip in stile radio-dramma invece di una traccia vocale pulita |
Non devi memorizzare i parametri. Indica il modello, descrivi ciò che vuoi e chiedi prima la richiesta. Nelle nostre esecuzioni ChatGPT ha controllato le opzioni correnti di ogni modello prima di costruire l'anteprima, quindi puoi anche chiedergli quali voci o impostazioni accetta un modello.
FAQ
ChatGPT può cantare una canzone in modalità voce?
Non contarci. La GPT-4o System Card di OpenAI di agosto 2024 dice che il team ha "istruito il modello a non cantare affatto" durante l'alpha limitata di Advanced Voice Mode, e ha creato filtri per bloccare output che contengono musica. L'attuale pagina di aiuto sulla modalità voce di OpenAI non elenca il canto tra le funzioni. Per una voce cantata che controlli, scrivi i testi e fai eseguirli a un modello musicale.
Quanto costa una canzone creata in ChatGPT?
Il WAV e il MIDI nativi non costano nulla su un account ChatGPT gratuito, e il plugin è gratuito da installare. Le generazioni vengono addebitate sul tuo saldo Atlas al prezzo indicato dal modello. Il 12 ottobre 2026, la nostra canzone e la nostra base strumentale sono costate $0.15 ciascuna con MiniMax Music 3.0, e la voce fuori campo ElevenLabs v3 è costata $0.01 a $0.10 per 1.000 caratteri. La clip Seedance 2.5 di 12 secondi a 720p è stata la voce più pesante a $3.62, che riflette uno sconto del 20% rispetto al prezzo di listino di $4.52 al momento della scrittura. L'intero progetto è arrivato a $3.93.
ChatGPT può creare una canzone completa o solo una clip?
Una completa. MiniMax Music 3.0 può restituire circa cinque minuti di musica finita in una singola richiesta, e la lunghezza segue la struttura che scrivi: le nostre tre sezioni brevi hanno prodotto 79 secondi. Il brano Python di ChatGPT si è fermato a 30 secondi perché era quello che avevamo chiesto. Per adattare una canzone a un video, generarla lunga e lascia che ChatGPT la tagli nel mix, come abbiamo fatto noi.
Puoi proteggere con copyright o vendere una canzone creata con ChatGPT?
Dipende da quanto è tua. Il rapporto del 29 gennaio 2025 dello U.S. Copyright Office lo dice chiaramente: "Il copyright non si estende a materiale puramente generato dall'IA." Aggiunge che i soli prompt non ti rendono autore. I testi che scrivi tu stesso restano comunque opera tua. Se puoi vendere il brano dipende anche dai termini del servizio che lo ha generato e dal distributore su cui lo carichi, quindi leggi entrambi prima della pubblicazione.
Conclusione
Quel primo file Moonlight Dreams è un quadro onesto di ChatGPT da solo: bravo con codice e teoria, bloccato sulle onde sinusoidali che canticchiano quando gli serve una voce. L'esportazione MIDI e la scrittura dei testi sono capacità reali. Il suono vero deve arrivare da un modello costruito per farlo, e una volta che quel modello è a una chiamata di plugin di distanza, la stessa chat che scrive le parole può anche sentirle cantare.
Per provarlo, installa il plugin Atlas Cloud, apri un progetto in modalità Work e inizia con una richiesta di canzone che chieda prima l'anteprima. Aggiungi una base, una voce fuori campo e una clip quando ti servono. Quindi, ChatGPT può fare musica? Con un modello musicale collegato, ora crea la canzone, la narrazione e il video finito in un unico thread.
