Gelekte Suno-broncode werpt nieuw licht op mogelijke trainingsdata van AI-muziekmodellen

Uit recent gelekte broncode van AI-muziekbedrijf Suno blijkt mogelijk welke databronnen zijn gebruikt voor het trainen van de generatieve AI-modellen van het bedrijf. Onderzoeksplatform 404 Media meldt dat in de bestanden onder meer verwijzingen voorkomen naar YouTube Music, Deezer, Genius, Jamendo, Pond5 en de International Music Score Library Project (IMSLP).

Volgens 404 Media zijn de interne bestanden afkomstig van een hack waarbij onbevoegden toegang kregen tot systemen van Suno. Naast broncode zouden ook gegevens van klanten zijn buitgemaakt, waaronder e-mailadressen, telefoonnummers en beperkte informatie over Stripe-betalingen. Suno laat weten dat het beveiligingsincident, dat plaatsvond in november 2025, snel is verholpen en dat geen gevoelige betaalgegevens zijn buitgemaakt.

De gelekte code bevat volgens het onderzoeksplatform meerdere datasets die verwijzen naar uiteenlopende muziek- en metadata-bronnen. Zo zou een dataset met de naam youtube_music meer dan twee miljoen audioclips omvatten. Daarnaast wordt gesproken over ruim 113.000 uur aan audio afkomstig van YouTube Music, aangevuld met meer dan 152.000 uur aan overige YouTube-gerelateerde content.

Verder worden datasets genoemd die verwijzen naar onder meer Deezer, Genius, Pond5 en IMSLP. Volgens 404 Media wijzen de bestanden er ook op dat Suno gebruikmaakte van proxydiensten van Bright Data om muziek van YouTube te verzamelen. Daarbij zou specifiek zijn gezocht naar a-capellaversies van nummers, zodat zang afzonderlijk van de instrumentale begeleiding kon worden geanalyseerd.

De gelekte informatie kan van belang zijn voor de rechtszaak die Universal Music Group en Sony Music Entertainment, ondersteund door de Recording Industry Association of America (RIAA), tegen Suno hebben aangespannen. De platenmaatschappijen stellen dat het AI-bedrijf zonder toestemming muziekopnamen heeft gekopieerd, onder meer door audio van YouTube te verkrijgen en daarbij technische beschermingsmaatregelen te omzeilen.

Suno heeft in eerdere processtukken verklaard dat de trainingsdata afkomstig is van openbaar beschikbare muziekbestanden en bijbehorende metadata op het internet. Volgens het bedrijf zijn daarbij geen betaalmuren of met wachtwoorden beveiligde systemen doorbroken. In de procedure beroept Suno zich op het Amerikaanse beginsel van fair use.