Filtración de datos de Suno: viejos códigos fuente y scripts de scraping
Filtración de datos de Suno: viejos códigos fuente y scripts de scraping
Un hacker filtró viejos códigos fuente de Suno, confirmando sospechas sobre el uso de millones de pistas para el entrenamiento del modelo. Esto plantea nuevas preguntas sobre la legalidad de sus acciones.
Filtración de datos de Suno: viejos códigos fuente y scripts de scraping
Un hacker conocido como ellie.191 filtró viejos códigos fuente de Suno, confirmando sospechas de que el modelo fue entrenado utilizando millones de pistas y textos recopilados de YouTube Music, Deezer, Genius, Pond5, Jamendo, Freesound e IMSLP. Los datos filtrados incluían fuentes de 2023-2024 y scripts de scraping.
Se robaron más de 2 millones de clips de YouTube Music. Los desarrolladores descargaron específicamente acapellas para obtener voces limpias para el entrenamiento. Para eludir las protecciones de YouTube, Suno utilizó un servicio de terceros llamado Bright Data, y tenían planes de recopilar un millón de horas de podcasts a través de PodcastIndex.
Suno se defiende afirmando que entrenar modelos con materiales protegidos por derechos de autor que están disponibles públicamente se considera uso justo (un concepto en EE. UU.).
La filtración ocurrió en noviembre de 2025, pero la empresa técnicamente guardó silencio al respecto. Junto con esto, también se filtraron datos de clientes: correos electrónicos, números de teléfono e información de pago de Stripe. Suno argumenta que no tenían números de tarjeta completos, por lo que no estaban legalmente obligados a notificar a los usuarios.
Actualmente, la RIAA (Asociación Americana de la Industria de Grabación) está demandando a Suno por infracción de derechos de autor, y esta filtración es un verdadero regalo para ellos.
Por qué es importante
AnálisisEsta filtración de datos marca un momento significativo en el caso de Suno, destacando los riesgos asociados con el uso de materiales protegidos por derechos de autor para el entrenamiento de IA. También puede tener serias implicaciones para la empresa en los procedimientos legales en curso.
Debatir en la comunidad
Comparte tus preguntas e ideas con desarrolladores
Relacionado en el ecosistema
Guías prácticas, terminología y skills de agentes
JSON — Datos estructurados para programas, APIs y agentes de IA
Guía práctica y completa sobre JSON: especificación de sintaxis, serialización con parse y stringify, consumo de APIs REST, validación con JSON Schema y salidas estructuradas para LLMs.
Formatos DOCX y XLSX: cuándo se necesita un documento final completo de la IA
Guía práctica y completa sobre la generación y procesamiento de documentos DOCX y libros XLSX con IA: comparativa con Markdown y CSV, ingeniería de prompts, fórmulas y automatización en código.
Demandas por Derechos de Autor (Copyright & AI Training)
Un enfrentamiento global entre escritores, artistas, periódicos (como The New York Times) y corporaciones de IA (OpenAI, Anthropic, Meta). Análisis del concepto legal de 'Fair Use' y el futuro de la concesión de licencias de contenido para el entrenamiento de modelos.
Derechos de Autor y Licencias en la Era de la IA
Estado legal de la propiedad intelectual sobre contenido generado por redes neuronales. Precedentes de la Oficina de Derechos de Autor de EE. UU. y la UE: ausencia de copyright en resultados de generación pura, estatus de aprendizaje sobre obras ajenas (Fair Use) y licencias de modelos abiertos.