Suno AI、学習データにYouTube等不正利用

imageAI 音楽生成ツール「Suno」が、YouTube Music、Deezer、Genius から数百万曲の楽曲と歌詞を収集したほか、Pond5、Jamendo、Freesound、国際音楽楽譜ライブラリプロジェクト（IMSLP）のストック音楽ライブラリ、そして RSS フィード経由でポッドキャストからもデータを取得していたことが判明しました。この事実は、同社に侵入し、Suno の学習データセットに関する情報を 404 Media に共有したハッカーによって明らかにされたものです。さらに、ハッカーは数十万人の顧客個人情報や Stripe を通じた決済情報にもアクセスできたと主張しています。

この流出したデータは、AI モデルやツールが具体的にどのように構築されているのかを窺い知る稀有な事例です。Suno は現在、インターネット上で最も大規模な AI 音楽生成ツールの一つですが、レコード業界から複数の重大な訴訟の標的となっています。同社は数百万曲の著作権付き楽曲を学習データとして使用したと非難されたのです。これらの法的手続きの一環として、Suno は過去に「オープンインターネット上で入手可能な、品質が妥当とみなされる音楽ファイル essentially すべて」を学習データとしたことを認めています。その数は「数千万曲規模」に上るとされています。Suno はこれらの訴訟において、著作権付き作品の学習は「フェアユース（公正利用）」の範囲内であると主張し続けており、そのうち一件はすでに和解に至っています。

訴訟を通じて、Suno が膨大な量の著作権保護作品を学習データに使用したことは明らかになりました。しかし、404 Media に共有されたハッキングされたデータは、Suno がインターネットから楽曲をどのように収集し、どこから取得していたのかという実態をさらに浮き彫りにしています。

全米レコード産業協会（RIAA）は、Suno が YouTube から直接楽曲を抜き取ったと非難しましたが、404 Media が確認したハッキングされたデータはこの指摘を裏付けています。

入手された資料には、2023 年および 2024 年頃のソースコードが含まれており、そこにはスクレイピング（データ収集）の指示や、少なくとも一部の収集範囲に関する詳細が記されています。例えば、あるファイル内のコメントには、「genius_hq」「youtube_music」「freesound」「jamendo」「imp」「deezer」「ytm_tagged」からデータを取得し、「音楽以外のコンテンツは除外する」と明記されていました。

「youtube_music」という名前のファイルには、最終更新時点までに「2,013,545 曲のクリップ」を取り込んだと記載されています。また、別のファイルには Suno が作成した異なるデータセットに関するコメントがあり、そこには「YouTube Music から 113,879 時間」「Genius HQ から 17,615 時間」「Free Sound から 410 時間」「IMSLP から 19,514 時間」「Jamendo から 3,726 時間」「Pond5 Music から 62,117 時間」「Deezer から 12,287 時間」「YTM Tagged から 152,162 時間」、そして「MuseScore Lyrics から 103 時間」といった膨大な量が列挙されていました。合計すれば、これは少なくとも数十年分の音楽データに相当します。

imageimageハッカーが 404 Media に共有した他のコードには、YouTube で楽曲のアカペラ版を検索することでボーカルを特定する処理が含まれていました。また、スクレイピングツールやインフラ、データサービスを提供する企業「Bright Data」を経由して YouTube から楽曲を収集するためにプロキシを利用していた可能性も示唆されています。

さらに別のコードからは、オンラインツールの「PodcastIndex」を活用し、Suno が少なくとも 5 つの 30 分エピソードを持つ 42 万もの異なるポッドキャストを特定し、約 100 万時間のポッドキャストデータをダウンロードしようとしていたことが読み取れます。

404 Media が入手したファイルからは、Suno が各プラットフォームから具体的にどのようにファイルをスクレイピングしていたかについては明確ではありません。Pond5 は Shutterstock が所有するストック音楽・効果音ライブラリで、ユーザーは個別に楽曲を購入するか、月額サブスクリプションを通じて一定数の楽曲を利用できます。同社によるとライブラリには 250 万曲が登録されていますが、Suno のデータからはライブラリの相当部分が収集されたことが示唆されます。

一方、Genius は自サイト上で楽曲を直接ホストしているわけではなく、Apple Music のサブスクリプションを通じて楽曲の再生やサンプル聴取を提供する仕組みとなっています。

訴訟資料の一通りにおいて、Suno は「トレーニングデータには、公開インターネット上でアクセス可能な、合理的な品質を持つ音楽ファイルがほぼすべて含まれており、有料壁やパスワード保護などを遵守した上で、同様に入手可能なテキスト説明と組み合わされている」と主張しています。また、「このモデルは、一般に入手可能なソースから収集された数千万件の異なる種類の録音事例をプログラムに提示することで構築された」とも述べています。

一方、RIAA は Suno に対する訴訟で「Suno の場合、このプロセスには、過去数十年にわたる世界で最も人気のあるサウンドレコーディングの複製を数十万件コピーし、それらを Suno の AI モデルに取り込んで、本物の人間の録音と似た特徴を持つ出力を生成できるようにしたことが含まれる」と指摘しています。「さらに事態を悪化させているのは、Suno がこれらの複製を最初に入手する際、人気のあるストリーミングプラットフォーム YouTube から違法に『ストリーム・リッピング』を行い、こうした不正なコピーを防ぐために特別に設計された技術的対策を回避していた点です」。

Suno の広報担当者は声明の中で、「これまで公的な提出書類や開示資料でお伝えしてきた通り、Suno の AI モデルは、オープンインターネット上の第三者ウェブサイトからアクセス可能な公開音楽ファイルおよび関連メタデータを用いてトレーニングされています」と述べています。

「2025 年 11 月、Suno が限定的なセキュリティインシデントの対象となったことを確認し、速やかに封じ込めました。その際、直ちに調査を実施した結果、問題の主な原因は現在も使用されていない古いソースコードにあることが判明しました。また、機密性の高い個人情報に漏洩の恐れはありませんでした。重要なのは、Suno が Stripe 経由で顧客のクレジットカード番号全体にアクセスできる権限を持っていない点です」と付け加えています。

「関与が疑われる顧客情報の範囲が限定的であることから、関連するプライバシー法の下では個別通知を行う必要はないと判断しました」と広報担当者は続けています。また、Suno はカリフォルニア州の法律で義務付けられているトレーニングデータの開示資料も提出しています。

ハッカーの ellie.191 は、404 Media の取材に対し、同社への侵入は「Shai-Hulud」と呼ばれるワームを用いた従業員一人への攻撃によって実現されたと明かしました。これはサプライチェーン攻撃の一環で、GitHub やクラウドサービスの認証情報を盗み出すことを可能にしました。

また、ハッカーらは Suno の顧客リストにもアクセスしたと主張しています。そこにはメールアドレスや電話番号、そしてログイン手段に応じて Stripe の決済情報が含まれていました。ハッカーは一部の顧客データをサンプルとして提供しましたが、404 Media への取材に応じた顧客の中には、電話番号で Suno に登録していたことを確認し、「侵害の事実を一切知らされなかった」と語る人もいました。

ハッカーは 404 Media に対し、Suno を狙った特定の動機はないと語り、「何でもかんでもハッキングするのが好きだ」と述べています。

404 Media は以前、Nvidia や Runway ML が YouTube のコンテンツを大量にスクレイピングしたことを示す流出資料について報じています。現在では、AI 企業は著作権のある素材を学習データとして使用していることを否定するよりも、「著作権法のフェアユース規定に基づき、アーティストの作品をスクレイピングすることは合法である」と主張するのが一般的になっています。

先月、The Atlantic は AI の学習に広く利用されている音楽データベースについて報じました。これらには数百万曲が含まれています。「私が発見したデータセットの 3 つは、YouTube や Spotify にある楽曲へのリンク一覧として配布されています。AI 開発者は自動化ツールを使って実際の音声ファイルをダウンロードしますが、これらのツールの一部には、ログインや広告を回避したり、クリエイターが収益を得たり購読者を獲得するための仕組みを迂回させたりする機能も含まれています。こうしたツールは、各プラットフォームの利用規約に違反しています（なお、4 つ目のデータセットである Free Music Archive のコレクションは、MP3 ファイルと共に配布されています）」と、The Atlantic の記事執筆者は述べています。Suno がこれらのデータセットのいずれを使用したかは不明です。

スノーの広報担当者は、同社が既存の楽曲に似た曲を生成するのを防ぐために取り組んできたことも付け加えました。複数の訴訟で主張された点の一つは、スノーを使って既存の作品とほとんど見分けがつかないような曲を出力できる可能性があるというものです。

「私たちの目標はずっと、人々がオリジナルの新しい音楽を作れるよう支援することであり、誰かの楽曲を複製することではありません。そのため、私たちは『設計によるオリジナル創作』と呼ばれる考え方をモデル構築の中心に据えています。例えば、アーティスト名をトレーニングデータのメタデータカテゴリとして意図的に使用していません。これは、既存の他アーティストの作品を模倣するのではなく、人々が全く新しい曲を作れるよう支援するためです」と広報担当者は述べています。

「アーティストには新たな機会と強力な保護の両方が必要だと私たちは信じています。そのため、なりすましやその他の悪用を防ぐためのセーフガードに投資し、AI による識別技術の開発も続けています」

スノーの CEO 兼創業者であるマイキー・シュルマン氏は昨年あるポッドキャストで、「音楽を作るのに費やす時間の大半を、多くの人が楽しんでいるわけではない」と考えていると語りました。