सोनी म्युझिक आणि युनिव्हर्सल म्युझिक ग्रुपने एआय म्युझिक जनरेटर सुनो विरुद्ध आणखी एक खटला दाखल केला आहे आणि यावेळी लेबले एक असामान्य आरोप लावत आहेत: "मॉडेल लाँडरिंग." The Verge सह सामायिक केलेली तक्रार, असा युक्तिवाद करते की सुनोचे नवीन v6 मॉडेल अद्याप त्यांच्या कॉपीराइट केलेल्या रेकॉर्डिंगवर तयार केले गेले आहे — जरी v6 स्वतः त्यांच्यावर थेट प्रशिक्षित नसले तरीही.
'मॉडेल लाँडरिंग' युक्तिवाद
वादाचा गाभा हा सुनोचा दावा आहे की v6 त्याच्या पूर्वीच्या मॉडेल्समधून स्वच्छ ब्रेक दर्शवतो. लेबले उलट युक्तिवाद करतात: उल्लंघन करणाऱ्या मॉडेलच्या आउटपुटवर नवीन मॉडेलला प्रशिक्षण दिल्याने उल्लंघन दूर होत नाही, तर ते धुवून टाकते. For more context on this story, see our ongoing AI industry coverage.
"उल्लंघन करणाऱ्या मॉडेलच्या आउटपुटवर 'नवीन' मॉडेलचे प्रशिक्षण दिल्याने उल्लंघन दूर होत नाही; ते वादीच्या अभिव्यक्तीचे मूल्य कॉपी केलेल्या रेकॉर्डिंगमधून कलंकित मॉडेल्समध्ये, त्या मॉडेल्समधून त्यांच्या आउटपुटमध्ये आणि त्या आउटपुटमधून v6 मध्ये पास करून, उल्लंघन दूर करते. "V6 ही नवीन सुरुवात नाही; ती त्याच विषारी झाडाचे फळ आहे."
लेबलांनुसार, सुनोच्या पूर्वीच्या मॉडेल्सना YouTube आणि इतर स्त्रोतांकडून रिप केलेल्या विनापरवाना संगीतावर प्रशिक्षण देण्यात आले होते आणि v6 ला ते कलंक मिळाले आहे कारण ते वापरकर्त्याच्या आउटपुटवर जोरदारपणे प्रशिक्षित केले गेले होते — पूर्वीच्या, कथित उल्लंघन करणाऱ्या सिस्टमद्वारे व्युत्पन्न केलेली गाणी.
सोनी आणि युनिव्हर्सल हे AI म्युझिक स्पेसमध्ये उल्लेखनीय होल्डआउट्स आहेत: त्यांच्या काही स्पर्धकांच्या विपरीत, त्यांनी कधीही सुनोसोबत परवाना करारावर स्वाक्षरी केली नाही, कंपनीला त्यांचे कॅटलॉग वापरण्यासाठी अधिकृततेशिवाय सोडले.
एक नवीन ट्विस्ट: डिस्टिलेशन दावे
सोनीची तक्रार पुढे जाते, असा आरोप आहे की सुनोने v6 प्रशिक्षित करण्यासाठी डिस्टिलेशनचा वापर केला — एक तंत्र ज्यामध्ये नवीन मॉडेलला कच्च्या डेटामधून शिकण्याऐवजी विद्यमान "शिक्षक" मॉडेल्सच्या आउटपुटची प्रतिकृती तयार करण्यासाठी प्रशिक्षित केले जाते. उल्लंघन करणाऱ्या रेकॉर्डिंगवर तयार केलेल्या पूर्ववर्ती मॉडेल्समधून v6 डिस्टिल्ड केले असल्यास, लेबलांचा तर्क आहे, नवीन प्रशिक्षण डेटा अंतर्निहित उल्लंघनाबद्दल काहीही बदलत नाही.
"फिर्यादीच्या रेकॉर्डिंगवर थेट प्रशिक्षित नसलेल्या मॉडेलला देखील सुनोच्या अनधिकृत प्रतींद्वारे माहिती दिली जाते आणि त्याचा फायदा होतो," असे तक्रारीत म्हटले आहे. लेबल्सच्या दृष्टीने, जोपर्यंत Suno खऱ्या अर्थाने सुरवातीपासून सुरू होत नाही, तोपर्यंत त्याची मॉडेल्स चोरीला गेलेल्या डेटावर तयार होत राहतील — कंपनीने कितीही वेळा नवीन सुरुवात केली तरीही.
सुनोचा बचाव
सुनोने जाहीरपणे सांगितले आहे की v6 वेगळ्या पद्धतीने बांधला गेला आहे. जेव्हा मॉडेल लाँच केले गेले तेव्हा, सुनोच्या जॅक ब्रॉडीने द व्हर्जला सांगितले की ते वापरकर्त्याच्या डेटासह "जमिनीपासून प्रशिक्षित, डेटाच्या नवीन संचासह" होते, तरीही त्याने त्यापलीकडे कोणतेही तपशील दिले नाहीत.
सुनोच्या प्रवक्त्या रॅचेल रॅकुसेन यांनी नंतर पुष्टी केली की प्रशिक्षण डेटामध्ये वापरकर्त्यांकडून "निर्मिती" समाविष्ट आहे, असे म्हटले आहे की v6 ला "आमच्या भागीदारांकडून परवानाकृत सामग्री, आमच्या समुदायातील निर्मिती आणि प्राधान्य संकेतांसह परस्परसंवाद आणि आमच्या कार्यसंघाकडून संचित शिकण्यावर प्रशिक्षण देण्यात आले होते." त्या डेटामध्ये अपलोड केलेला ऑडिओ किंवा अपलोड केलेल्या ऑडिओमधून घेतलेल्या आउटपुटचा समावेश आहे की नाही हे तिने निर्दिष्ट केले नाही - लेबलच्या लाँडरिंग सिद्धांताच्या केंद्रस्थानी असलेला फरक.
एआय संगीत व्यवसायावर वाढणारा दबाव
नवीन तक्रारीमुळे सुनोच्या आधीच गर्दी असलेल्या कायदेशीर डॉकेटमध्ये भर पडली आहे. स्टार्टअपने ऑगस्टमध्ये सोसायटी GEMA गोळा करण्यासाठी एक ऐतिहासिक जर्मन कॉपीराइट प्रकरण गमावले आणि प्रमुख लेबल्सच्या त्यांच्या कॅटलॉगचा परवाना देण्यास इच्छुक नसल्यामुळे सुनोचे मुख्य प्रशिक्षण धोरण दोन खंडांवर उघड झाले.
सुनो विरुद्धच्या लेबल्सच्या पूर्वीच्या यूएस खटल्यात त्यांच्या रेकॉर्डिंगवरील पहिल्या पिढीच्या मॉडेल्सच्या प्रशिक्षणाला लक्ष्य केले गेले. v6 तक्रार प्रभावीपणे सर्वात स्पष्ट सुटका मार्ग बंद करते: सिंथेटिक डेटा आणि वापरकर्ता निर्मितीसह प्रारंभ करणे. जरी तो मार्ग कायदेशीररित्या कलंकित असेल तर, सुनोचे पर्याय लेबल्सच्या अटींवर परवाना देण्याचे व्यवहार, त्याच्या पद्धतींचा कोर्टरूम संरक्षण, किंवा संगीतातून त्याचे प्रशिक्षण कॉर्पस पुनर्बांधणी करण्यासाठी ते परवानाकृत किंवा मूळ असल्याचे सिद्ध करू शकतात.
या पिळवणुकीला तोंड देणारी सुनो एकटी नाही. AI म्युझिक जनरेटर, इमेज मॉडेल आणि मजकूर प्रणाली या सर्व समान प्रश्नांना तोंड देत आहेत कारण ओपन वेब स्क्रॅप करण्याच्या सुरुवातीच्या काळात कायदेशीर हिशोबाचा मार्ग मिळतो. काही अधिकार धारकांनी खटल्यांवर परवाना निवडला आहे, स्ट्राइकिंग डील जे त्यांचे कॅटलॉग प्रशिक्षण इनपुटमध्ये बदलतात आणि भरपाई संलग्न करतात. सोनी आणि युनिव्हर्सल, दोनदा खटला भरून, न्यायालय कोणत्याही परवान्यापेक्षा चांगले निकाल देईल अशी पैज लावत आहेत.
प्रकरण एका कंपनीच्या पलीकडे देखील महत्त्वाचे आहे. एआय आउटपुट — आणि आउटपुटवर प्रशिक्षित मॉडेल — त्यांच्या प्रशिक्षण डेटाचा कायदेशीर कलंक वाहून नेऊ शकतात की नाही हे न्यायालयांना वाढत्या प्रमाणात विचारले जात आहे. मॉडेल लाँडरिंग नावाची संकल्पना मजकूर आणि प्रतिमा निर्मितीमध्ये स्पष्टपणे समांतर आहे, जेथे पूर्वीच्या मॉडेल्समधून स्क्रॅप केलेला किंवा तयार केलेला कृत्रिम डेटा प्रशिक्षण संचाचा मोठा वाटा बनत आहे.
जर सोनी आणि युनिव्हर्सलच्या सिद्धांताने कर्षण प्राप्त केले, तर ते AI कंपन्या उत्पत्तीबद्दल कसे विचार करतात ते पुन्हा आकार देऊ शकतात: मॉडेलमध्ये काय गेले तेच नाही, तर त्याचे प्रशिक्षण डेटा तयार करणाऱ्या मॉडेलमध्ये काय गेले. आत्तासाठी, प्रश्न यूएस कोर्टात जातो, जिथे सुनोला असा युक्तिवाद करावा लागेल की v6 खरोखरच क्लीन ब्रेक असल्याचा दावा करतो.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
