黑客曝光Suno抓取YouTube等数百万首音乐训练AI，公司回应：来自公开网络

一份泄露的源代码掀开了AI音乐生成应用Suno训练数据的神秘面纱。404 Media最新报道显示，一名化名为ellie.191的黑客获取了Suno内部的代码文件，这些文件清晰地展示了这家AI音乐公司是如何从互联网上抓取海量音乐——包括大量可能受版权保护的作品——来喂养自己的模型。

数据量让人瞠目。一个名为“youtube_music”的文件中赫然记录了2,013,545个音乐片段，另一个文件则显示Suno的AI数据集积累了113,879小时的YouTube音乐。算下来，光是YouTube一个来源的训练时长就超过10万小时，这还不包括其他渠道。黑客挖掘出的源代码表明，Suno几乎把能抓取的音乐库都吞进了肚子。

抓取清单覆盖了主流的音乐和歌词平台。除了YouTube Music，Suno还从歌词网站Genius和流媒体服务Deezer获取内容，同时把触角伸向了多个免版税音乐库，例如Jamendo、Freesound、Pond5以及国际乐谱图书馆计划（IMSLP）。Jamendo是一个主打独立音乐人的免版税音乐站，Freesound则提供各种音效素材，Pond5是商业库存音乐市场，而IMSLP收录了大量公共领域的古典乐谱与录音——这些平台通常允许非商业使用或按授权使用，但Suno将大量内容直接导入商业AI训练，显然踩在了许可的模糊地带。

更令人担忧的是，黑客ellie.191声称他们还看到了Suno的敏感用户数据，其中包含Stripe支付信息。Stripe是全球流行的在线支付处理平台，许多互联网公司通过它处理用户的信用卡和订阅付款。如果这一说法属实，意味着Suno在数据防护上存在严重漏洞，不仅暴露了训练数据的来源，还可能泄露了用户的支付细节。不过404 Media的报道并未说明这部分用户数据是否被进一步滥用，Suno也未就此作出具体回应。

事实上，Suno自己的公开声明早已为这次曝光埋下伏笔。在应对多起正在进行的版权诉讼时，Suno就已经承认，他们用于训练音乐生成AI的是“基本上所有在开放互联网上可获取的、质量合理的音乐文件”。这一表述几乎等于公开宣告了自己的数据策略：不管版权归属，只要能在公开网页上找到的音乐，就会被采入训练集。现在黑客提供的源代码，只不过是把“如何获取”和“到底捞了多少”这两个关键环节的具体细节补全了。

对于404 Media的质询，Suno发布声明重申：“正如我们在公开文件和披露中所述，Suno的AI模型训练所用的是开放互联网上第三方网站的公开可用音乐文件及相关元数据。”公司还强调，“我们的目标一直是帮助人们创作原创的新音乐，而不是复制他人的作品。”然而，这一辩解与大量测试结果直接抵触。多个实验已经反复证明，Suno能够轻松复制已发表的音乐，包括知名艺术家的作品。用户只需要给出简单的提示，就可以生成听感上与原作高度相似的旋律和编曲。

Suno的“原创”说辞在这些测试面前显得格外脆弱。一位测试者曾让Suno生成一段“类似皇后乐队风格”的摇滚，结果生成的旋律与《波西米亚狂想曲》的片段惊人地吻合，甚至连和声走向都几近照搬。这些案例表明，所谓“原创”更像是庞大语料库拼接后的结果，模型记忆了大量受版权保护的特征，只是在输出时进行了一些混搭。对于音乐创作者和版权方而言，这无异于一种变相的复制。

目前Suno正深陷多起版权诉讼，唱片公司和音乐出版商指控它未经授权使用大量受版权保护的录音和词曲来训练商业AI。黑客的曝光无疑为这些官司提供了新的证据弹药。过去，AI公司在回答训练数据问题时往往语焉不详，以“公开数据”四个字一笔带过，而现在ellie.191挖出的文件让外界第一次看到了具体的抓取规模、存储结构和数据来源。当2,013,545个YouTube短片被写进训练日志，再搭配上歌词库和流媒体播放清单，任何“合理使用”的辩护都会变得更加艰难。

这也再次把AI训练的版权边界问题推到台前。如果“公开可用”等同于“可以随意拿来做商业训练”，那么互联网上所有创作者分享的作品都面临被AI模型无偿学习的命运。Suno的案例不过是冰山一角，在文本、图像、视频领域，类似的抓取行为早已是公开的秘密。区别只在于，这次黑客的曝光让原本隐藏在代码背后的操作显了形。对于创作者来说，接下来的司法判决或许会决定：是法律追上技术，还是技术继续踩着模糊地带狂奔。