Suno admite ter obtido áudio do YouTube para treinar seus modelos de IA

Suno admitiu, em uma resposta formal ao primeiro pedido emendada de UMG Recordings, Capitol Records e Sony Music Entertainment, que obteve dados de áudio no YouTube para uso como dados de treinamento. A declaração aparece no documento protocolado em 1º de setembro e é repetida em outros cinco trechos da peça defensiva, segundo o relato da matéria original.

A queixa dos selos inclui a alegação de que a Suno usou ferramentas chamadas YT-DL e YT-DLP para contornar proteções do YouTube e coletar gravações protegidas por direitos autorais. Na resposta, a Suno admite ter obtido áudio do YouTube para treinar seus modelos e cita especificamente o uso de YT-DLP ao responder ao parágrafo 49 da petição das gravadoras. A empresa nega as demais alegações e afirma que outras passagens contêm conclusões jurídicas que não exigem resposta.

Outra empresa processada no mesmo grupo, a Udio, apresentou sua própria resposta à Sony Music em 29 de abril. O destaque da reportagem original é que a admissão sobre áudio do YouTube surge em meio a uma série de ações contra a Suno, movidas por grandes gravadoras, artistas como Jason Isbell e usuários que alegam que a companhia ignorou medidas de segurança enquanto buscava lucro.

Apesar das controvérsias legais, a Suno continuou a desenvolvimento e anúncio de novos modelos. A matéria original lembra que, dias antes da admissão pública sobre uso de vídeos do YouTube no treinamento, a empresa lançou a família de modelos Suno v6, que promete maior flexibilidade de uso e edição de trechos, além de recursos como criação com referência em texto, imagem ou vídeo. A reportagem também registra acordos fechados pela Suno, como o acordo com Warner Music Group no ano anterior e uma parceria com a BMG mais recentemente.

A matéria menciona ainda que, segundo dados do PitchBook citados na reportagem, a Suno levantou mais de US$ 819 milhões em financiamento até o momento. A admissão sobre o uso de áudio do YouTube integra o processo em curso que envolve questionamentos sobre a forma como dados foram obtidos e empregados para treinar modelos capazes de gerar música a partir de prompts.