🎵 21 миллион чужих песен: на чём тайно учили ИИ-композиторов

Журналист The Atlantic Алекс Райзнер, который ведёт серию расследований о тренировочных данных ИИ, добрался до самого охраняемого секрета индустрии — что именно «слушали» нейросети вроде Suno и Udio, прежде чем научились писать музыку.

Четыре базы, которые прятали как зеницу ока
Реальные записи для обучения моделей компании держат под замком, называя их «проприетарными». Райзнер раскопал четыре гигантских датасета, что гуляют по рукам у разработчиков: один на 12 млн треков, второй на 9 млн, и два поменьше — примерно по 100 тысяч. Только первый пришлось бы слушать без остановки 91 год. Нашёл он их буднично — по ссылкам в научных статьях самих разработчиков и на сайтах обмена данными, где архивы скачаны уже тысячи раз.

Как именно качали
Три из четырёх баз — это списки ссылок на YouTube и Spotify. Аудио выкачивают автоматами, которые умеют обходить логины, рекламу и механизмы, приносящие деньги авторам, — прямое нарушение правил площадок. Четвёртая — MP3 с Free Music Archive.

Внутри — вся история музыки
Тейлор Свифт, Nirvana, Билли Айлиш, the Beatles, Bad Bunny, Pearl Jam, Элвис Костелло. Джаз — Майлз Дэвис, Джон Зорн. Классика. И десятки тысяч мелких артистов всех жанров.

Главная улика — не «вдохновение», а копирование
Suno уже выдавал треки, до боли похожие на «Thriller» Джексона, «Shape of You» Ширана, «Johnny B. Goode» Чака Берри. Эти примеры — из иска крупнейших лейблов против Suno. Один из промптов звучал прямо: «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.

Что признали сами гиганты
• Google в 2022-м обучил модель на 44 млн треков — это 42 года музыки; и открыто писал, что брал 100+ тыс. песен с Free Music Archive (бесплатных лишь для личного прослушивания).
• Suno в судебном документе 2024-го: учились на «практически всех музыкальных файлах приемлемого качества», что смогли скачать из интернета.
• OpenAI ещё в 2020-м скачал 1,2 млн песен для модели Jukebox.

Почему это важно
ИИ-музыка уже затопила стриминг: Spotify прошлой осенью удалил 75 млн «спамных» ИИ-треков, а Deezer сообщает, что почти половина свежих загрузок — сгенерированные. При этом ни Spotify, ни YouTube, ни Amazon Music их не маркируют. В судах Suno и Udio прикрываются «fair use», но расследование впервые показывает масштаб: машине скормили не плейлисты, а почти всю записанную музыку — без спроса и оплаты. Прецедент рядом: похожий спор о книгах закончился предварительным соглашением с Anthropic на 1,5 миллиарда долларов.

🔗 Источник: The Atlantic
🎯 НЕЙРО-ПУШКА ● НОВОСТИ И ОБЗОРЫ НЕЙРОСЕТЕЙ