Hacker tiết lộ SunoAI được huấn luyện bằng YouTube

Công cụ tạo nhạc bằng AI Suno đã thu thập hàng triệu bài hát và lời nhạc từ YouTube Music, Deezer, Genius, cũng như từ các thư viện nhạc bản quyền như Pond5, Jamendo, Freesound, Dự án Thư viện Bản nhạc Quốc tế (International Music Score Library Project), và các podcast thông qua nguồn cấp RSS.

Điều này được tiết lộ bởi một hacker đã xâm nhập vào hệ thống của công ty và chia sẻ dữ liệu về thư viện đào tạo của Suno với 404 Media. Hacker này cũng cho biết đã truy cập được thông tin người dùng của hàng trăm nghìn khách hàng Suno, cũng như thông tin thanh toán qua Stripe.

Hacker tiết lộ SunoAI được huấn luyện bằng dữ liệu âm nhạc hàng chục năm từ YouTube và các nền tảng âm nhạc khác.

Dữ liệu bị rò rỉ này mang đến cái nhìn hiếm hoi về cách các mô hình và công cụ AI được xây dựng. Suno là một trong những công cụ tạo nhạc bằng AI lớn nhất trên internet và đã trở thành đối tượng của nhiều vụ kiện lớn từ ngành công nghiệp thu âm, cáo buộc công ty này đã đào tạo AI trên hàng triệu bài hát có bản quyền.

Các vụ kiện đã làm rõ rằng Suno thực sự đã đào tạo AI trên lượng lớn tác phẩm có bản quyền, nhưng dữ liệu bị hack được chia sẻ với 404 Media còn cho thấy chi tiết hơn về cách Suno thu thập các bài hát từ internet và nguồn gốc của chúng.

Hiệp hội Công nghiệp Ghi âm Hoa Kỳ (RIAA) cáo buộc Suno đã lấy trực tiếp các bài hát từ Youtube; dữ liệu bị hack mà 404 Media tiếp cận đã xác nhận điều này.

Tài liệu bị rò rỉ bao gồm mã nguồn dường như được tạo ra trong năm 2023 và 2024, chứa hướng dẫn thu thập dữ liệu và chi tiết về phạm vi của ít nhất một số hoạt động thu thập.

Ví dụ, chú thích trong một tệp cho biết sẽ lấy dữ liệu từ “genius_hq, youtube_music, freesound, jamendo, imp, deezer, ytm_tagged” và “các nội dung không phải nhạc sẽ bị lọc bỏ”.

Hacker Eugenio Schiavoni (Kukedlc) tiết lộ thư viện đào tạo của Suno trên Hugging Face.

Một tệp có tên “youtube_music” ghi nhận rằng tại thời điểm cập nhật cuối cùng, đã thu thập được “2.013.545 đoạn nhạc”. Một tệp khác chứa chú thích về các bộ dữ liệu khác nhau mà Suno đã tạo, bao gồm “113.879 giờ youtube_music”, “17.615 giờ genius_hq”, “410 giờ free sound”, “19.514 giờ imslp”, “3.726 giờ jamendo”, “62.117 giờ pond5_music”, “12.287 giờ deezer”, “152.162 giờ ytm_tagged” và “103 giờ musescore_lyrics”. Tổng cộng, đây là lượng nhạc tương đương với hàng thập kỷ.

Trong quá trình tố tụng Suno từng thừa nhận rằng họ đã đào tạo AI trên “hầu như tất cả các tệp nhạc có chất lượng hợp lý mà có thể truy cập trên internet mở”, với tổng số “hàng chục triệu bản ghi âm”.

Suno lập luận rằng họ được phép sử dụng các tác phẩm có bản quyền để đào tạo AI theo nguyên tắc sử dụng hợp lý (fair use) trong các vụ kiện này, trong đó đã có một vụ được dàn xếp.

OpenAI ra mắt bàn phím lập trình Codex Micro dùng với ChatGPT.

Tuệ Minh