ハッキングで流出したソースコードにより、SunoがYouTube・Deezer・Geniusから数百万曲を無断収集していたことが判明

あるハッキング事件が、AIミュージック業界最大の秘密のひとつを白日の下にさらした。Sunoは、YouTube Music・Deezer・Geniusから数百万曲と歌詞をスクレイピングしてモデルを構築していた――いずれも同社がこれまで一切公表していたことのないソースだ。

主なポイント

• ハッカーはSuno従業員の盗まれた認証情報を使って同社のソースコードにアクセスし、AIミュージックジェネレーターがYouTube Music・Deezer・Geniusから音声をスクレイピングしていた手口を明らかにした。
• Sunoはこれまで、トレーニングデータの内容やその取得方法の開示を一貫して拒否しており、今回はデータセットパイプラインの内部を具体的に確認できた初めての機会となる。
• この流出により、Sunoはトレーニングデータをめぐる著作権訴訟に直面する他のAI企業と同じ法的リスクにさらされることになった。複数のプラットフォームの権利保有者が文書化された証拠を手にしたことになる。
• AIアートおよびAIオーディオのクリエイターにとって、これは画像生成ツールを悩ませてきたのと同じ根本的な問いを提起する――これらのモデルの出力物を商業利用することは法的リスクを伴うのか、という問いだ。

侵害はどのように起きたか

TechCrunchによると、攻撃者はSuno従業員の認証情報を使ってアクセスし、スクレイピングパイプラインを詳細に記録したソースコードを抽出した。そのコードには、Sunoがメタデータやスニペットだけでなく、フルトラックと歌詞を数十年分にわたってプラットフォームから取得していたことが示されていた――いずれも利用規約で自動収集を明示的に禁止しているプラットフォームだ。元となるデータは404 Mediaが最初に報じた。

この件が侵害そのものを超えて重要な意味を持つのは、業界慣行について何を裏付けるかにある。Sunoはトレーニングスタックについて最も口が堅いAIミュージック企業のひとつだった。Stability AIやMidjourneyといった画像生成企業がスクレイピングされた視覚コンテンツの利用をめぐって公的な批判や訴訟に直面してきた一方、オーディオAIはこれまで同レベルの文書化をほぼ免れてきた。それが今、変わろうとしている。

Sunoが明かさなかったトレーニングデータ

YouTube Music・Deezer・Geniusは、決してマイナーなソースではない。YouTube Musicだけで数億曲をホストしており、Geniusはウェブ上で最大の歌詞リポジトリだ。ライセンス契約なしにそのような規模でスクレイピングを行うことは、各プラットフォームの利用規約と、それらのプラットフォーム上に作品を置くレーベル・出版社・インディペンデントアーティストを含む権利保有者との直接的な対立を意味する。

Sunoはすでに、Universal Music Group・Sony Music・Warner Music Groupを含む大手レコードレーベルから2024年に提起された著作権訴訟に直面していた。その訴訟は、Sunoが無断で録音物をコピーしたと主張するものだった。今回流出したソースコードは、原告側弁護士がAI著作権訴訟でめったに手にできないものを与えることになる――トレーニングデータがどこから来て、どのように収集されたかを示す内部文書だ。

このパターンは、画像生成分野を追ってきた人には見覚えがあるだろう。ニューヨーク・タイムズがOpenAIに対して起こした継続中の訴訟も同様に、同社がトレーニングコーパスについて隠蔽した内部証拠が焦点となっている。Sunoの場合、開示は訴訟上の証拠開示手続きからではなく、セキュリティの失敗によってもたらされた。

AIオーディオツールを使うクリエイターへの影響

AI生成音楽を動画プロジェクト・ソーシャルコンテンツ・AIアート作品のバッキングトラックとして使用しているクリエイターにとって、法的状況はさらに不透明になった。Sunoの出力物がライセンスなしの録音物から派生していると判断された場合、その出力物の商業利用にはダウンストリームリスクが伴う――これは、不透明なトレーニング履歴を持つツールから生成されたAI画像に対して一部のブランドが慎重になってきたのと同じ論理だ。

実際的な観点から言えば、これはどのAIオーディオプラットフォームが明確でライセンスに基づいたトレーニングデータの開示を行っているかに細心の注意を払う理由となる。レーベルとのライセンス契約を進めてきた一部の競合他社は、透明性を差別化要素としてアピールできる立場にある。今週以前は業界標準の姿勢に見えたSunoのデータセットに関する沈黙は、今や負債として映る。

AI画像クリエイターにとって、Sunoの侵害事件はトレーニングデータの不透明性が特定のモダリティに限った問題ではないことを改めて示す好例だ。画像モデルについて問う価値のある問い――何を学習データとしたのか、ライセンスは取得されていたのか――は、クリエイティブワークフローに組み込まれているオーディオツールにも等しく当てはまる。それらの問いに明確に答えられるプラットフォームが、クリエイティブ面でより安全な選択肢として評価される時代になりつつある。