Расследование: на чём тайно учили Suno и Udio писать музыку. 21 миллион треков, YouTube и нарушение копирайта.

Журналист The Atlantic добрался до самого охраняемого секрета индустрии: на каких данных обучались нейросети Suno и Udio, прежде чем начать сочинять музыку. Как сообщает The Atlantic, реальные записи компании держат под замком, называя их проприетарными. Журналист обнаружил четыре гигантских датасета: один на 12 млн треков, второй на 9 млн и два примерно по 100 тысяч. Только первый пришлось бы слушать без остановки 91 год. Архивы нашлись по ссылкам в научных статьях разработчиков и на сайтах обмена данными, где их скачали уже тысячи раз.

Как именно загружалась музыка

Три из четырёх баз представляют собой списки ссылок на YouTube и Spotify. Аудио выкачивают автоматизированные инструменты, способные обходить логины, рекламу и механизмы, приносящие деньги авторам, что является прямым нарушением правил площадок. Четвёртая база состояла из MP3-файлов с Free Music Archive.

Что внутри

Тейлор Свифт, Nirvana, Билли Айлиш, The Beatles, Bad Bunny, Pearl Jam, Элвис Костелло, джаз Майлза Дэвиса и Джона Зорна, классика, десятки тысяч мелких артистов всех жанров.

Главная улика: не вдохновение, а копирование

Suno уже выдавал треки, до боли похожие на «Thriller» Майкла Джексона, «Shape of You» Эда Ширана, «Johnny B. Goode» Чака Берри. Эти примеры фигурируют в иске крупнейших лейблов против Suno. Один из промптов звучал так:

исполнитель, который рифмуется с fred sheeran

Представитель Suno сослалась на защитные механизмы и пост продакт-директора, где сказано, что воспроизведение обучающих данных не должно происходить. На вопросы про иск компания не ответила.

Признания гигантов

• Google в 2022 году обучил модель на 44 млн треков, «42 года музыки», и открыто писал о скачивании более 100 тыс. песен с Free Music Archive, бесплатных лишь для личного прослушивания.
• Suno в судебном документе 2024 года заявила: «учились на практически всех музыкальных файлах приемлемого качества, что смогли скачать из интернета».
• OpenAI ещё в 2020 году скачала 1,2 млн песен для модели Jukebox.

Почему это важно

ИИ-музыка уже переполнила стриминг. Прошлой осенью Spotify удалил 75 млн спамных ИИ-треков, а Deezer сообщает, что почти половина свежих загрузок сгенерирована. При этом ни Spotify, ни YouTube, ни Amazon Music их не маркируют. В судах Suno и Udio прикрываются добросовестным использованием, но расследование впервые демонстрирует масштаб: машине скормили почти всю записанную музыку без спроса и оплаты. Похожий спор о книгах уже привёл к предварительному соглашению с Anthropic на 1,5 миллиарда долларов.