黑客泄露文件揭开 Suno 训练数据来源：音乐 AI 的“合理使用”边界再受拷问

导语

AI 音乐生成公司 Suno 再次站上版权争议中心。The Verge 援引 404 Media 报道称，一名黑客取得的 Suno 内部数据，展示了其训练数据可能来自哪些线上平台，以及这些数据如何被抓取。对一家长期拒绝披露训练集细节的公司来说，这份泄露材料提供了少见的窗口，也让“训练 AI 是否等于合理使用”这一问题变得更具体。

核心要点

• 抓取来源覆盖多个平台：报道提到，泄露文件中包含面向 YouTube Music、Deezer、Genius、Pond5、Jamendo、Freesound、IMSLP 等平台的抓取指令。
• 规模巨大但仍需法律认定：其中一个 YouTube Music 文件显示，Suno 在文件最后更新时已消费 2,013,545 个 YouTube Music 片段。另有文件显示，其数据集包含来自 YouTube Music 的数十万小时内容，以及来自 Deezer、Genius、IMSLP、Jamendo、Pond5 等平台的数千小时内容。
• 与既有诉讼直接相关：Suno 已遭多起版权诉讼。RIAA 的案件中，Suno 承认模型训练使用受版权保护材料，但称训练公开互联网上可访问的音乐文件属于合理使用。RIAA 之后的补充指控还称，Suno 通过“stream ripping”规避 YouTube 的版权保护。
• 还牵涉用户数据安全：报道还称，黑客访问了部分客户信息，包括邮箱、电话号码和 Stripe 支付相关信息。Suno 表示，公司在 2025 年 11 月发现安全事件并迅速控制，主要涉及不再使用的旧源代码，且未发现敏感个人信息遭泄露。

意义与影响

这起事件的关键，不只是 Suno 是否训练了版权音乐，而是训练数据“如何获得”。在 AI 公司常用的辩护中，公开可访问内容与合理使用经常被放在一起讨论；但如果抓取过程涉及绕过平台限制或版权保护，争议就会从版权使用扩展到技术规避、平台条款和数据合规。

对音乐产业而言，泄露文件可能强化唱片业和词曲版权方的诉讼叙事：生成式音乐模型并非抽象地“学习音乐风格”，而可能系统性吸收了商业平台上的具体作品、歌词、伴奏甚至清唱版本。对 AI 公司而言，这则报道也提示一个更现实的风险：训练数据黑箱不只是公关问题，一旦源代码、抓取脚本或数据清单泄露，企业过去的采集策略会成为法庭和公众审视的证据。

短期内，Suno 仍可能坚持“公开互联网数据训练属于合理使用”的立场；但法院最终如何界定音乐 AI 的训练边界，将影响的不只是 Suno，也包括所有依赖大规模音频、歌词和元数据训练的生成式音频产品。

来源：The Verge AI