La filtración de Suno revela que su generador de música con IA extrajo datos de YouTube, Deezer y Genius

Una filtración ha revelado que el generador de música con IA Suno se entrenó con décadas de música y pódcast recopilados de internet abierto, entre ellos YouTube, el servicio de streaming Deezer y el sitio de letras Genius. Lo informa el medio 404 Media, que analizó el código fuente filtrado del servicio.

Qué reveló la filtración

El código fuente filtrado de Suno señala directamente las fuentes de los datos de entrenamiento: en él aparecen llamadas a YouTube, Deezer y Genius. Es la primera confirmación técnica de dónde obtuvo el servicio la música y los pódcast para entrenar sus modelos; hasta ahora, la compañía mantenía en secreto la lista de fuentes.

Suno es un generador de música con IA que, a partir de una descripción de texto, crea canciones completas con voz e instrumental. Según 404 Media, el scraping abarcó «décadas» de grabaciones de audio de internet abierto.

• Fuentes de datos: YouTube (vídeo y audio), Deezer (streaming) y Genius (letras de canciones)
• Los datos incluían no solo música, sino también pódcast
• La información salió a la luz por una filtración de código fuente, no por una declaración oficial de la compañía
• El medio que hizo público el hallazgo es 404 Media

«El código fuente hackeado muestra cómo

Suno extrajo décadas de música y pódcast de internet para entrenar su herramienta de IA», señala la investigación de 404 Media.

Por qué importa en los tribunales

El hallazgo golpea a Suno en pleno litigio con la industria musical. En junio de 2024, la Asociación de la Industria Discográfica de Estados Unidos (RIAA), en nombre de Universal Music, Sony Music y Warner Records, presentó una demanda contra Suno. Acusa a la startup de infringir masivamente los derechos de autor durante el entrenamiento.

Suno ya había reconocido de facto la magnitud de la recopilación de datos. En su respuesta judicial, la compañía afirmó que su conjunto de entrenamiento «incluye prácticamente todos los archivos musicales de calidad razonable disponibles en internet abierto», y sostuvo que ese entrenamiento queda amparado por la doctrina del uso legítimo (fair use). El código filtrado aporta a los demandantes los nombres concretos de las plataformas, lo que refuerza su posición.

Qué significa

La disputa sobre con qué datos es legal entrenar modelos generativos pasa del terreno de las declaraciones al de las pruebas técnicas. La filtración del código fuente de Suno demuestra que el origen de los datos de entrenamiento de las empresas de IA deja de ser una caja negra, y esto afecta no solo a la música, sino a toda la industria de la IA generativa.

Preguntas frecuentes

¿Qué es Suno?

Suno es un servicio de generación de música basado en inteligencia artificial: a partir de una petición de texto, crea canciones completas con voz e instrumental. Los datos con los que se entrenaron sus modelos son los que han quedado en el centro de la polémica tras la filtración del código fuente.

¿En qué consiste la demanda contra Suno?

En junio de 2024, la RIAA, en nombre de Universal, Sony y Warner, acusó a Suno de entrenar sus modelos con música protegida por derechos de autor sin permiso de los titulares. Suno sostiene que entrenar con datos abiertos constituye uso legítimo.