Vazamento de dados da Suno: códigos-fonte antigos e scripts de scraping expostos

Vazamento de dados da Suno: códigos-fonte antigos e scripts de scraping expostos

O hacker conhecido como ellie.191 divulgou códigos-fonte antigos da Suno, confirmando as suspeitas de que o modelo foi treinado utilizando milhões de faixas e textos extraídos de plataformas como YouTube Music, Deezer, Genius, Pond5, Jamendo, Freesound e IMSLP. Os dados vazados incluíam fontes do período de 2023-2024 e scripts de scraping.

Mais de 2 milhões de clipes foram roubados do YouTube Music. Os desenvolvedores baixaram especificamente acapelas para obter vocais limpos para o treinamento. Para contornar as proteções do YouTube, a Suno utilizou um serviço de terceiros chamado Bright Data, além de planejar a extração de um milhão de horas de podcasts através do PodcastIndex.

A Suno se defende alegando que treinar modelos com materiais protegidos por direitos autorais, mas disponíveis publicamente, é considerado "fair use" (uso justo), um conceito jurídico dos EUA.

O vazamento ocorreu em novembro de 2025, mas a empresa manteve silêncio técnico sobre o incidente. Além disso, dados de clientes também foram expostos: e-mails, números de telefone e informações de pagamento via Stripe. A Suno argumenta que não possuía os números completos dos cartões, portanto, não estava legalmente obrigada a notificar os usuários.

Atualmente, a RIAA (Associação da Indústria de Gravação da América) está processando a Suno por violação de direitos autorais, e este vazamento representa uma vantagem significativa para a entidade.