Wyciek danych Suno: stare kody źródłowe i skrypty do scrapingu
Wyciek danych Suno: stare kody źródłowe i skrypty do scrapingu
Haker udostępnił archiwalne kody źródłowe Suno, potwierdzając podejrzenia dotyczące trenowania modelu na milionach utworów pobranych z internetu. Wyciek podnosi poważne pytania o legalność działań firmy.
Wyciek danych Suno: stare kody źródłowe i skrypty do scrapingu
Haker znany jako ellie.191 opublikował stare kody źródłowe platformy Suno, co potwierdza wcześniejsze podejrzenia, że model był trenowany przy użyciu milionów ścieżek audio oraz tekstów pozyskanych metodą scrapingową z serwisów takich jak YouTube Music, Deezer, Genius, Pond5, Jamendo, Freesound czy IMSLP. Udostępnione dane obejmują kod z lat 2023–2024 oraz skrypty służące do automatycznego pobierania treści.
Z serwisu YouTube Music wykradziono ponad 2 miliony klipów. Programiści celowo pobierali a cappella, aby uzyskać czyste wokale niezbędne do procesu treningowego. Aby obejść zabezpieczenia YouTube, Suno korzystało z usług zewnętrznej firmy Bright Data, a w planach miało również zebranie miliona godzin podcastów za pośrednictwem PodcastIndex.
Suno broni się, twierdząc, że trenowanie modeli AI na publicznie dostępnych materiałach chronionych prawem autorskim mieści się w ramach doktryny „fair use” (dozwolony użytek), obowiązującej w Stanach Zjednoczonych.
Do wycieku doszło już w listopadzie 2025 roku, jednak firma technicznie utrzymywała sprawę w tajemnicy. Oprócz kodów źródłowych ujawniono również dane klientów, w tym adresy e-mail, numery telefonów oraz informacje płatnicze z systemu Stripe. Suno argumentuje, że nie posiadało pełnych numerów kart płatniczych, więc nie było prawnie zobowiązane do powiadomienia użytkowników o naruszeniu bezpieczeństwa.
Obecnie organizacja RIAA (Recording Industry Association of America) prowadzi przeciwko Suno postępowanie sądowe dotyczące naruszenia praw autorskich, a ten wyciek stanowi dla nich istotny dowód w sprawie.
Dlaczego to ważne
AnalizaTen wyciek to przełomowy moment w sporze z Suno, uwypuklający ryzyka prawne związane z wykorzystywaniem materiałów chronionych prawem autorskim do szkolenia modeli AI. Może on mieć poważne konsekwencje dla przyszłości firmy w trwających postępowaniach sądowych.
Dyskutuj w społeczności
Dziel się swoimi pytaniami i spostrzeżeniami z programistami
Powiązane w ekosystemie
Praktyczne poradniki, kluczowa terminologia i skille agentów
JSON — dane ustrukturyzowane dla aplikacji, API i agentów AI
Kompletny praktyczny przewodnik po formacie JSON: zasady składniowe, serializacja za pomocą parse/stringify, praca z REST API, JSON Schema oraz strukturalne wyjście dla sztucznej inteligencji.
Formaty DOCX i XLSX: kiedy potrzebny jest pełnoprawny dokument końcowy od AI
Kompletny praktyczny przewodnik po generowaniu i przetwarzaniu dokumentów DOCX oraz arkuszy XLSX za pomocą AI: porównanie z Markdown i CSV, inżynieria promptów, praca z formułami oraz automatyzacja w kodzie.
Pozwy sądowe dotyczące praw autorskich (Copyright & AI Training)
Globalny spór między pisarzami, artystami i wydawcami prasowymi (np. The New York Times) a korporacjami AI (OpenAI, Anthropic, Meta). Analiza koncepcji prawnej „Fair Use” (dozwolony użytek) oraz przyszłości licencjonowania treści do szkolenia modeli.
Prawo autorskie i licencje w erze AI
Status prawny własności intelektualnej treści generowanych przez sieci neuronowe. Orzecznictwo Biura Praw Autorskich USA oraz UE: brak ochrony prawnoautorskiej dla czystych wyników generowania, status uczenia modeli na cudzych dziełach (dozwolony użytek) oraz licencje otwartych modeli.