В результате утечки исходного кода музыкального ИИ‑сервиса Suno стали известны подробности о данных, использовавшихся для обучения его моделей. Как сообщает 404 Media, хакер, получивший доступ к внутренним репозиториям компании, обнаружил инструкции и метаданные, свидетельствующие о сборе миллионов музыкальных записей и подкастов с различных онлайн‑платформ.
Согласно опубликованным материалам, в одном из файлов упоминается база из 2 013 545 музыкальных клипов YouTube Music. Кроме того, в исходном коде перечислены и другие источники данных, включая Deezer, Genius, Pond5, Jamendo, Freesound, International Music Score Library Project (IMSLP) и MuseScore. В общей сложности это музыка за несколько десятилетий, отмечает издание.
Еще один фрагмент кода показывает, что Suno планировала загрузить около 1 млн часов подкастов через сервис Podcast Index. Также, по данным 404 Media, компания использовала инфраструктуру Bright Data для автоматизированного сбора данных с YouTube Music, а отдельные скрипты были ориентированы на поиск акапельных версий композиций, вероятно, чтобы обучать модель на чистом вокале.
Представитель Suno подтвердил 404 Media, что модели компании обучались на «публично доступных музыкальных файлах и связанных с ними метаданных, размещенных на сторонних сайтах в открытом интернете». При этом компания не стала комментировать конкретные платформы, упомянутые в утёкшем коде.
Утечка произошла после взлома Suno, о котором компания ранее публично не сообщала. По словам представителя сервиса, инцидент произошел в ноябре 2025 года и затронул преимущественно устаревший исходный код. Компания утверждает, что чувствительные персональные данные пользователей скомпрометированы не были, а полного доступа к данным банковских карт у нее не было, поскольку платежи обрабатываются через Stripe. По этой причине Suno не сочла должным ундивидуально уведомлять пользователей о взломе.
Раскрытые материалы могут усилить позиции правообладателей в продолжающихся судебных разбирательствах против Suno. Ранее компания уже признала в суде, что обучала свои модели на «практически всех музыкальных файлах приемлемого качества, доступных в открытом интернете», считая такую практику добросовестным использованием.
Источник: habr.com