Dữ liệu thu được từ một vụ hack đã tiết lộ rằng Suno, công ty phát triển AI tạo nhạc, đã huấn luyện mô hình của mình bằng cách thu thập hàng triệu bài hát và lời bài hát từ các nền tảng âm nhạc trực tuyến, bao gồm YouTube Music, Deezer và Genius, theo báo cáo của 404 Media. Vụ việc mang đến cái nhìn hiếm hoi về nguồn dữ liệu mà Suno đã lấy từ các nền tảng trực tuyến, khi công ty này trước nay luôn tránh tiết lộ nội dung trong tập dữ liệu huấn luyện cũng như cách thức thu thập chúng.

Dữ liệu hack cho thấy Suno sao chép âm thanh từ các nền tảng có bảo vệ bản quyền

Các tệp bị hack được cho là cho thấy Suno đã sao chép hàng thập kỷ âm thanh từ các nền tảng có bảo vệ bản quyền. Điều này có liên quan trực tiếp đến các vụ kiện mà Suno đang đối mặt, cáo buộc công ty sử dụng tài liệu có bản quyền để huấn luyện mô hình AI. Trong một vụ kiện đáng chú ý do Hiệp hội Công nghiệp Ghi âm Hoa Kỳ (RIAA) đệ trình, Suno đã thừa nhận hành vi này, lập luận rằng việc huấn luyện trên tài liệu có bản quyền và các tệp nhạc công khai trên internet mở được pháp luật cho phép theo học thuyết sử dụng hợp lý (fair use). Một bản sửa đổi do RIAA đệ trình năm ngoái cũng cáo buộc Suno cố tình vượt qua các biện pháp bảo vệ bản quyền của YouTube bằng cách 'stream rip' (tải xuống trái phép) các bản nhạc từ nền tảng này.

Chi tiết từ mã nguồn bị rò rỉ: Suno đã thu thập dữ liệu từ nhiều nguồn

Tài liệu được chia sẻ với 404 Media bởi hacker có biệt danh 'ellie.191' được cho là củng cố các cáo buộc trên. Dữ liệu bao gồm mã nguồn Suno từ năm 2023 và 2024, cùng với hướng dẫn thu thập (scraping) để kéo tệp âm thanh từ YouTube Music, Deezer, Genius, Pond5, Jamendo, Freesound và Thư viện Bản nhạc Quốc tế (IMSLP). Một mã bị rò rỉ khác cho thấy Suno đã sử dụng công ty bên thứ ba tên Bright Data để thu thập nhạc từ YouTube, và dường như tìm kiếm các phiên bản a cappella của bài hát trên nền tảng này để lấy âm thanh chỉ có giọng hát.

Một tệp dành cho YouTube Music ghi chú rằng Suno đã tiêu thụ 2.013.545 clip từ YouTube Music tại thời điểm tệp được cập nhật lần cuối. Theo một tệp khác, các tập dữ liệu do Suno biên soạn bao gồm hàng trăm nghìn giờ từ YouTube Music, hàng nghìn giờ từ Deezer, Genius, IMSLP, Jamendo và Pond5, cùng hàng trăm giờ từ Freesound và lời bài hát MuseScore. Suno cũng tìm cách tải xuống khoảng một triệu giờ podcast thông qua công cụ trực tuyến PodcastIndex, theo mã bổ sung.

Phản ứng của Suno và thông tin khách hàng bị lộ

Một người phát ngôn giấu tên của Suno cho biết trong tuyên bố với 404 Media: 'Như chúng tôi đã nêu trong các hồ sơ và tiết lộ công khai, các mô hình AI của Suno đã được huấn luyện trên các tệp nhạc công khai và siêu dữ liệu liên quan có sẵn trên các trang web bên thứ ba trên Internet mở.'

Thông tin khách hàng của Suno cũng bị hacker truy cập, bao gồm địa chỉ email, số điện thoại và chi tiết thanh toán Stripe. Một số khách hàng được 404 Media liên hệ xác nhận đã đăng ký dịch vụ và cho biết Suno chưa bao giờ thông báo cho họ về vụ vi phạm bảo mật. Trong tuyên bố với 404 Media, người phát ngôn của Suno cho biết công ty đã biết về sự cố bảo mật vào tháng 11/2025 và tình hình nhanh chóng được kiểm soát. 'Vào thời điểm đó, chúng tôi đã tiến hành điều tra ngay lập tức và xác minh rằng sự cố chủ yếu liên quan đến mã nguồn cũ không còn được sử dụng tại Suno và không có thông tin cá nhân nhạy cảm nào bị xâm phạm. Quan trọng là, Suno không có quyền truy cập vào số thẻ tín dụng đầy đủ của khách hàng trong Stripe. Dựa trên tính chất hạn chế của thông tin khách hàng bị ảnh hưởng, chúng tôi xác định rằng việc thông báo riêng lẻ là không cần thiết theo luật bảo mật hiện hành,' người phát ngôn cho biết.

Theo The Verge

Ảnh: parveender / Pixabay