駭客揭露 Suno AI 音樂生成器抓取 YouTube、Deezer 及 Genius 數據
知名 AI 作曲工具 Suno 被駭客踢爆，原來佢哋係喺 YouTube 同各大音樂網站「偷師」抓取咗幾百萬首歌嚟訓練個 AI，仲搞到用戶資料外洩添。
點解重要
呢件事話畀香港人聽，AI 雖然好方便，但背後可能涉及版權侵權。如果你有幫襯呢類平台，你嘅信用卡支付資料同個人資料都有機會因為公司保安唔夠而流出，好似街市買嘢都要小心個荷包一樣。
新手貼士
玩 AI 生成音樂嗰陣，最好唔好直接輸入歌手名去叫佢模仿，因為呢啲 AI 好多都係未經授權「聽」過呢啲歌手嘅歌，咁樣做可能會引起版權爭議㗎。
術語小字典
Scraping (抓取)：好似用自動機械人喺網上周圍「掃貨」咁，將人哋網站上面嘅資料、歌曲或者文字一次過搬走。
Fair Use (公平使用)：法律上嘅一個藉口，意思係話雖然我用咗你嘅版權嘢，但我係為咗研究或者創新，所以唔使問過你就用得。
Source Code (源代碼)：即係電腦程式嘅「食譜」，寫明咗個軟件係點樣運作同埋去邊度攞資料。
駭客揭露 Suno AI 音樂生成器抓取 YouTube、Deezer 及 Genius 數據
根據一名入侵 Suno 公司並向 404 Media 分享數據的駭客透露，人工智能音樂生成工具 Suno 從 YouTube Music、Deezer 和 Genius 抓取了數百萬首歌曲和歌詞，此外還包括來自庫存音樂庫 Pond5、Jamendo、Freesound、國際樂譜庫項目（International Music Score Library Project）以及透過 RSS 饋送抓取的播客內容。該駭客表示，他們還能夠訪問數十萬名 Suno 客戶的用戶資訊以及 Stripe 支付資料。
這份被駭數據為外界提供了一個罕見的視角，讓人們得以一窺人工智能模型和工具究竟是如何構建的。Suno 是互聯網上最大的人工智能音樂生成工具之一，目前正涉及多宗由唱片業發起的重大訴訟，後者指控該公司利用數百萬首受版權保護的歌曲進行訓練。作為法律程序的一部分，Suno 此前曾承認其訓練數據「基本上涵蓋了開放互聯網上所有可獲取的、具備合理質量的音樂文件」，總計包括「數千萬份錄音」。在這些案件中，Suno 一直辯稱根據「公平使用」原則，它是被允許利用版權作品進行訓練的，其中一宗案件已經達成和解。
雖然訴訟已經明確指出 Suno 確實利用了大量版權作品進行訓練，但與 404 Media 分享的被駭數據進一步揭示了 Suno 如何從互聯網抓取歌曲以及從何處獲取這些內容。美國唱片業協會（RIAA）曾指控 Suno 直接從 YouTube 提取歌曲；404 Media 所見的被駭數據證實了這一點。
被駭材料包括似乎來自 2023 年和 2024 年的源代碼，其中包含抓取指令以及至少部分抓取範圍的細節。例如，一個文件中的註釋指出，他們將從「genius_hq、youtube_music、freesound、jamendo、imp、deezer、ytm_tagged」提取數據，並且「非音樂內容將被過濾掉」。一個名為「youtube_music」的文件指出，在該文件最後更新時，它已攝取了「2,013,545 段音樂剪輯」。另一個文件包含有關 Suno 創建的不同數據集的註釋，其中包括「113,879 小時的 youtube_music」、「17,615 小時的 genius_hq」、「410 小時的 freesound」、「19,514 小時的 imslp」、「3,726 小時的 jamendo」、「62,117 小時的 pond5_music」、「12,287 小時的 deezer」、「152,162 小時的 ytm_tagged」以及「103 小時的 musescore_lyrics」。總計起來，這至少相當於數十年的音樂內容。
資料來源
本文由 AI 自動翻譯整理，內容以原文為準。