В результате инцидента с безопасностью стали известны подробности обучения музыкального ИИ-генератора Suno. Данные подтвердили, что компания использовала для тренировки модели миллионы композиций и текстов песен, собранных путем парсинга с платформ YouTube Music, Deezer и Genius. Ранее разработчики Suno отказывались раскрывать состав своих обучающих датасетов, ссылаясь на коммерческую тайну.
Обнаруженные материалы проливают свет на методы сбора данных, которые используют создатели генеративных моделей. Внутренние документы и логи, полученные в ходе инцидента, показывают масштабную автоматизированную выгрузку контента с популярных стриминговых сервисов. Это ставит под вопрос легальность использования защищенных авторским правом произведений для обучения нейросетей без явного согласия правообладателей.
Ситуация вокруг Suno является частью более широкой дискуссии о прозрачности данных в индустрии ИИ. В то время как разработчики стремятся к созданию более качественных моделей, правообладатели и музыкальные лейблы все чаще подают иски, требуя компенсаций за использование интеллектуальной собственности. Раскрытие источников обучения может стать важным аргументом в текущих судебных разбирательствах о нарушении авторских прав.
Ключевые факты
- В обучающие выборки Suno попали миллионы песен и текстов, собранных с YouTube Music, Deezer и Genius.
- Ранее компания официально не раскрывала состав своих датасетов и методы их формирования.
- Информация стала доступна после инцидента с безопасностью, данные были проанализированы изданием 404 Media.
- Использование парсинга для обучения моделей остается предметом острых правовых споров между разработчиками ИИ и владельцами контента.