唱片公司指控 Suno 规避 YouTube 技术措施训练 AI 音乐模型

美国唱片业协会（RIAA）在 9 月 19 日提交的修订版诉讼中，进一步升级了对 AI 音乐初创公司 Suno 的版权侵权指控。此次更新明确指出，Suno 被控通过技术手段规避 YouTube 的加密机制，大规模抓取受版权保护的音频内容，用于训练其生成式 AI 模型。

这一指控不仅涉及传统的版权侵权问题，更聚焦于《数字千年版权法》（DMCA）中的 反规避条款，或将对 AI 公司如何获取训练数据产生深远影响。

核心指控：绕过技术保护措施

根据修正后的投诉，Suno 被指使用自动化工具执行所谓的“流媒体抓取”（streaming ripping）：

• 将 YouTube 上播放的音频实时捕获并转换为可下载文件；
• 利用代码批量访问、提取和复制来自环球音乐、索尼音乐和华纳音乐旗下艺人的作品；
• 绕过 YouTube 使用的“滚动加密”（rolling cipher）技术——一种动态密钥系统，旨在防止未经授权的内容复制。

这种行为被认为违反了 YouTube 的服务条款，并触犯了 DMCA 第 1201 条关于“不得规避有效控制作品访问的技术措施”的规定。

🔍 什么是 DMCA 第 1201 条？
该条款禁止绕过用于保护版权作品的技术措施（如 DRM、加密）。虽然其适用范围近年来有所泛化，但在本案中，唱片公司正试图将其回归原始立法意图：阻止大规模内容盗用。

目前尚无针对“为训练 AI 模型而规避技术措施”的法定例外，这也使得 Suno 难以援引“合理使用”进行完全抗辩。

争议焦点：合理使用是否成立？

Suno 尚未公开其训练数据集的具体构成，也未详细说明数据来源。但该公司此前主张，在受版权保护的作品上训练 AI 模型属于 合理使用（fair use），不构成侵权。

这一立场有一定法律支持：

• 在 Authors Guild v. Google 案中，法院曾裁定 Google 图书扫描项目属于合理使用；
• Anthropic、Meta 等公司在类似争议中也曾引用此原则。

但此案的关键在于：即使内容分析本身可能符合合理使用，绕过技术保护措施是否独立构成违法？

RIAA 正是抓住这一点——即便训练过程被视为转化性使用，规避 DRM 的行为本身已构成独立法律责任。这与单纯爬取公开文本存在本质区别。

此外，投诉引用了 ICMP 出版商集团的研究，声称发现了 Suno 模型输出结果与特定受保护录音之间的高度相似性，暗示其训练数据直接包含完整音轨，而非仅元数据或乐谱信息。

与 Anthropic 和解案的关联

此次指控令人联想到近期 Anthropic 因图书数据引发的集体诉讼：

• 原告指控其从 LibGen 等盗版网站获取书籍训练 Claude 模型；
• 案件一度达成高达 15 亿美元的和解意向，后因管辖权问题暂停。

尽管两案背景不同（书籍 vs 音乐），但共同揭示了一个核心矛盾：

AI 公司能否以“学习为目的”为由，突破现有版权技术屏障？

如果法院最终认定规避行为违法，未来 AI 开发者将面临更严格的合规要求：必须确保训练数据的获取路径合法，而不仅仅是用途具有转化性。

潜在法律责任与赔偿诉求

RIAA 在修订投诉中提出了具体赔偿请求：

• 每项规避技术措施的行为：最高 2,500 美元；
• 每件被侵权作品：最高 15 万美元。

考虑到 Suno 可能涉及数百万首歌曲的抓取，潜在赔偿金额极为可观。

值得注意的是，RIAA 并未否认 AI 音乐的技术潜力，而是强调：

“艺术家应有权决定自己的作品是否以及如何用于训练 AI。”

他们呼吁建立透明的数据授权机制，而非默认“先使用、后谈判”。

对 AI 行业的影响

此案若形成判例，可能带来以下变化：

对于 Suno 及同类音乐生成工具而言，未来的生存路径很可能是：从“全网抓取”转向“授权+合成数据”双轨制。