افشای فایلهای هکشده شرکت Suno، یکی از مطرحترین ابزارهای تولید موسیقی با هوش مصنوعی، نشان میدهد که این شرکت برای آموزش مدلهای خود اقدام به دانلود و استخراج حجم زیادی از قطعات موسیقی و متن ترانهها از پلتفرمهای بزرگی مثل یوتوب موزیک، Deezer و Genius کرده است.
اطلاعات فاششده که توسط هکری با نام مستعار ellie.191 در اختیار رسانه 404 Media قرار گرفته، شامل کدهای منبع شرکت سونو متعلق به سالهای ۲۰۲۳ و ۲۰۲۴ است. این دادهها حاوی دستورالعملهای دقیقی برای خزیدن در وب و دانلود فایلهای صوتی از چندین پلتفرم مرجع صوتی و متنی مثل یوتیوب موزیک، دیزر، Genius، فریساند، Pond5 و Jamendo است.
بررسی کدهای لورفته نشان میدهد که سونو احتمالاً از خدمات یک شرکت واسط به نام Bright Data برای استخراج داده از یوتوب استفاده کرده و بهطور ویژه به دنبال فایلهای آکاپلا (فایلهای صوتی فقط با صدای خواننده و بدون ساز) بوده تا بخش آواز مدل خود را با دقت بیشتری آموزش دهد.
طبق یکی از فایلهای مربوط به پلتفرم یوتوب موزیک، سونو تا زمان آخرین بهروزرسانی کدها، دقیقاً ۲,۰۱۳,۵۴۵ کلیپ صوتی را از این پلتفرم دانلود و مصرف کرده است. همچنین بررسی فایلهای دیگر مشخص میکند که پایگاههای داده سونو شامل صدها هزار ساعت محتوا از یوتوب موزیک، هزاران ساعت محتوا از پلتفرمهای دیزر، Genius، جامندو و پاند۵، و صدها ساعت فایلهای صوتی و متن ترانه از فریساند و MuseScore است.
هک و افشای فایلهای آموزشی هوش مصنوعی Suno
این مستندات جدید به طور مستقیم اتهامات مطرحشده در پروندههای حقوقی علیه سونو را تأیید میکنند. انجمن صنعت ضبط موسیقی آمریکا (RIAA) پیشازاین شکایت بزرگی را علیه این شرکت ثبت کرده و سونو را به استفاده غیرقانونی از آثار دارای حق نشر متهم کرده بود.
شرکت سونو پیشتر بهطور علنی به استفاده از این آثار اعتراف کرده، اما مدعی شده بود که آموزش مدلهای هوش مصنوعی بر روی فایلهای موسیقی موجود در اینترنت، تحت قوانین مالکیت معنوی آمریکا و «استفاده منصفانه» مجاز است. بااینحال، شواهد جدید ادعای شاکیان مبنیبر اینکه سونو با دور زدن سیستمهای حفاظتی یوتوب و دانلود مستقیم قطعات، دست به اقدامات غیرقانونی زده است را تأیید میکنند. با وجود این افشاگری، سخنگوی سونو در بیانیه جدید خود مجدداً گفته که مدلهای این شرکت صرفاً بر روی فایلهای عمومی موجود در اینترنتِ آزاد آموزش دیدهاند.
