Sofia śledzi pieniądze, regulacje i platformy, które kształtują to, co mogą tworzyć twórcy.
Otrzymuj na maila najważniejsze historie tygodnia o AI i sztuce AI — wyselekcjonowane, zwięzłe, za darmo.
Za darmo. Wypisz się w każdej chwili.
Wybierz towarzysza i poznaj jego zdanie na temat tej historii
Suno wypuściło v6 — swój pierwszy model AI do generowania muzyki zbudowany w całości na licencjonowanych danych treningowych, zastępując wszystkie wcześniej używane zbiory danych. To strukturalne przebudowanie napędzane narastającymi procesami sądowymi o prawa autorskie ze strony największych wytwórni płytowych.\n\n## Najważniejsze informacje\n\n- Suno v6 został „wytrenowany od podstaw, na nowym zestawie danych, który nie zawiera tych samych danych, na których trenowane były nasze poprzednie modele" — powiedział Jack Brody z Suno w rozmowie z The Verge.\n- Nowe dane treningowe obejmują treści licencjonowane od branży muzycznej — to pierwsze tego rodzaju porozumienie Suno.\n- Model zastępuje wszystkie poprzednie modele AI Suno, nie tylko ten najnowszy.\n- Premiera następuje w momencie, gdy Suno zmaga się z wieloma aktywnymi pozwami o naruszenie praw autorskich ze strony największych wytwórni, dotyczącymi wcześniejszych praktyk treningowych.\n- Dla twórców wykorzystujących muzykę generowaną przez AI w projektach multimedialnych, licencjonowane pochodzenie v6 może zmniejszyć ryzyko prawne związane z własnością intelektualną.\n\n\n\n## Presja procesów sądowych stojąca za zwrotem ku licencjonowaniu\n\nTiming nie jest przypadkowy. Według TechCrunch, Suno prowadzi obecnie wiele spraw o naruszenie praw autorskich — ta sama presja prawna, która w 2023 roku zmusiła Stability AI do negocjacji licencyjnych po pozwach o modele obrazów ze strony Getty Images i koalicji artystów. Sytuacja Suno to audio-odpowiednik tamtych wydarzeń: szybkie budowanie na nielicencjonowanych danych, pozwy, a następnie przebudowa pipeline'u danych. Różnica polega na tym, że Suno przeszło na model licencjonowany zanim wyrok sądu wymusił tę zmianę, co daje mu nieco większą siłę negocjacyjną niż miało Stability.\n\nGotowość branży muzycznej do udzielenia licencji na v6 jest sama w sobie godna uwagi. Wytwórnie przez lata traktowały firmy zajmujące się AI muzyczną jak wrogów; teraz przynajmniej część z nich pobiera opłaty licencyjne zamiast walczyć w sądach. Ta zmiana odzwierciedla to, co wydarzyło się w generowaniu obrazów, gdzie agencje stockowe ostatecznie zawarły umowy z twórcami modeli zamiast prowadzić niekończące się procesy. Czy warunki są korzystne dla Suno — czy też wytwórnie wynegocjowały wysokie struktury tantiem — nie zostało ujawnione.\n\n## Co „trenowanie od podstaw" naprawdę oznacza dla efektów\n\nPełny reset danych ma większe konsekwencje niż fine-tuning. Gdy model jest trenowany od zera na innym korpusie, zmieniają się jego stylistyczne skłonności, pokrycie gatunków i domyślny ton. Twórcy, którzy zbudowali swoje workflow promptowania wokół wyników v4 lub v5, powinni spodziewać się, że v6 będzie zachowywać się inaczej — niekoniecznie gorzej, ale na tyle odmiennie, że ciągi promptów dostrojone do poprzednich wersji mogą wymagać korekty.\n\nPraktyczną zaletą jest przejrzystość pochodzenia. Jeśli tworzysz muzykę na potrzeby projektu komercyjnego, wideo lub gry, możliwość wskazania licencjonowanego korpusu treningowego ma znaczenie dla twojej własnej odpowiedzialności prawnej. Model obrazów Firefly od Adobe zbudował swój wczesny udział w rynku częściowo właśnie na tym argumencie — „trenowany na licencjonowanych treściach" stał się punktem sprzedaży dla klientów korporacyjnych, którzy nie mogli sobie pozwolić na niejednoznaczność w kwestii własności intelektualnej. Suno jest teraz w pozycji, by przedstawić ten sam argument domom zajmującym się licencjonowaniem synchronizacji i klientom brandowym.\n\nDla twórców już korzystających z audio generowanego przez AI obok obrazów generowanych przez AI — na przykład łącząc ścieżki Suno z wynikami generatora obrazów Charmloop — czystsza łańcuch własności intelektualnej po stronie audio zmniejsza ryzyko mozaikowe wynikające z mieszania zasobów o niepewnym pochodzeniu.\n\n> „Wytrenowany od podstaw, na nowym zestawie danych, który nie zawiera tych samych danych, na których trenowane były nasze poprzednie modele."\n>\n> — Jack Brody, Suno (za pośrednictwem The Verge)\n\n## Precedens, który to ustanawia dla AI audio — i narzędzi pokrewnych\n\nNiedawny ruch Adobe polegający na zintegrowaniu generowania muzyki AI bezpośrednio w osi czasu Premiere — omówiony w naszym artykule o narzędziu Generative Media — pokazuje, jak szybko AI audio jest wbudowywane w profesjonalne pipeline'y kreatywne. W miarę jak to następuje, kwestia licencjonowania przestaje być abstrakcyjna. Studia i agencje będą pytać, czy audio generowane przez ich montażystów niesie ryzyko prawne związane z własnością intelektualną, a „trenowany na licencjonowanych danych" staje się wymogiem do odhaczenia, a nie wyróżnikiem.\n\nPremiera Suno v6 ustanawia minimalny standard oczekiwań dla tej kategorii. Konkurencyjne narzędzia AI do muzyki, które nadal opierają się na nielicencjonowanych danych treningowych, będą napotykać rosnącą presję zarówno ze strony ryzyka prawnego, jak i wymagań korporacyjnych procesów zakupowych. Kolejną konkretną datą do obserwowania jest wynik aktywnych pozwów przeciwko wcześniejszym modelom Suno — sądy nie wydały jeszcze orzeczenia w sprawie tego, czy poprzednie trenowanie stanowiło naruszenie praw autorskich, a ta decyzja określi, czy zwrot ku v6 był wystarczający, czy jedynie punktem wyjścia.