Suno 在版权诉讼中增加水印和下载控制

Why it matters

Shulman is trying to make Suno output legible to the rest of the music business. Effective provenance could curb streaming fraud, but it cannot settle claims over the recordings used to train Suno's models.

Mikey Shulman 正在为 Suno 的 AI 生成歌曲增加一个新的来源验证层，包含音频水印、指纹识别和更严格的下载规则，旨在帮助流媒体服务识别在该平台上制作的曲目并遏制版权费操纵。

Suno 在一篇 8月6日的博客文章 中表示，已开始推出透明度工具，并将在接下来的数周内采用新的水印和指纹技术。TechCrunch 报道 称 Suno 尚未披露该系统背后的技术或提供技术规范。

这一宣布将 Shulman（Suno 的联合创始人兼 CEO）置于自 Suno 的版权争议开始以来他一直在走近的角色：在不放弃他认为生成音乐应广泛可及的主张的前提下，构建音乐分发商和权利方所需的保障。Shulman 拥有 Harvard 的物理学博士学位，是 Kensho 的首位机器学习员工，后在该公司负责机器学习。他也曾在 MIT Sloan 教授面向金融的自然语言处理课程。

Shulman 与前 Kensho 同事 Martin Camacho、Georg Kucsko 和 Keenan Freyberg 一起创建了 Suno。他们位于 Cambridge, Massachusetts 的公司迅速从文本到歌曲生成扩展到编辑、声音工具、声部提取和基于浏览器的制作工作空间。这种扩展使得来源（provenance）成为一个分发问题。付费用户在其订阅下获得所创建歌曲的商业使用权，从而为他们提供了一条从 Suno 直接进入流媒体目录和其他创收渠道的路径。

第二代水印技术

Suno 表示，即将部署的标记将是不可听见的、持久的并且抗篡改。水印和指纹应当在歌曲离开 Suno 后仍可检测，从而允许分发平台确定其生成来源。Suno 尚未公布测试结果、命名检测标准或解释这些标记如何在压缩、混音、声部分离和其他常见音频变换中存活。

这并非 Suno 首次声称采用水印技术。在 2024 年 3 月，当 Suno 发布其 v3 模型时，它称已开发出专有的、不可听见的水印技术，能够检测某首歌是否由 Suno 创建。8 月 6 日的公告描述了与新兴行业标准一致并旨在与分发平台更紧密合作的新技术。

这种区分很重要。早期系统似乎侧重于 Suno 识别自身输出的能力。Shulman 的新计划将来源视为一种基础设施，外部平台可以利用这套基础设施来打击欺诈并执行自身的披露政策。Suno 尚未解释旧系统和新系统是否会一起运行，或以前生成的曲目是否会获得新标记。

Suno 还计划实施一项下载政策，旨在使向流媒体服务的大规模分发更困难。该政策的限制、执行方式以及对现有歌曲的处理方式仍未明确。任何实际效果将取决于 Suno 能否区分单个音乐人导出其曲目目录与大规模工业化生产曲目的运营者。

更新后的 社区指南 禁止虚假互动、使用机器人、试图规避 Suno 保护措施、将欺骗性音频作为真实呈现以及未经授权使用真实人物的声音或肖像。Suno 还表示与 Audible Magic 和 Musixmatch 合作，对上传的音频和歌词进行筛查，以查找可能的未经授权使用。

在法律压力下推出的保护措施

时间点很明确。7 月 31 日，慕尼黑法院裁定 Suno 侵犯了由德国集体管理组织 GEMA 控制的版权。该裁决源于 GEMA 指控 Suno 在训练时使用了受保护的录音，并可能再现受代表歌曲中可识别的素材。

在美国，Universal Music Group 和 Sony Music Group 仍在推进指控，称 Suno 在训练其模型时复制了受保护的录音。Warner Music Group——该唱片公司案件的原始原告之一——于 2025 年 11 月与 Suno 达成和解，并进入了一项涵盖许可模型和艺术家控制的合作关系。

Suno 自身的披露确立了核心训练问题。在一份 2024 年对唱片公司的回应 中，Shulman 表示 Suno 在公开互联网上训练了模型，其中包括版权材料，并认为该过程构成合理使用。随后的一份 加州训练数据披露 表示，Suno 的模型使用了数千万个公开的音乐文件及其关联元数据，其中包括可能受知识产权保护的材料。

水印技术处理的是 Suno 创建歌曲之后发生的事情。它可以帮助识别合成曲目、支持披露，并为流媒体平台提供另一种对抗自动化目录泛滥的工具。它并不能决定 Suno 在构建模型时是否获得了使用录音的许可——这是版权案件的核心问题。

这一来源（provenance）推动也紧随对 Suno 如何组建训练语料库的审查。RuntimeWire 在七月报道 称，泄露的代码描述了从 YouTube、Deezer 和 Genius 抓取数据。Suno 表示其收集方法尊重诸如付费墙和密码保护等访问障碍。

Shulman 更大的押注

Shulman 拥有足够的资本将这些政策变为分发基础设施。6 月 3 日，Suno 表示在由 Bond Capital 领投的 D 轮融资中筹得超过 4 亿美元，融资后估值为 54 亿美元。IVP、Forerunner、Union Square Ventures、Alkeon 和 Quiet 加入了本轮融资，老投资方 Matrix、Lightspeed、Menlo Ventures 和 Schroders Capital 也参与其中。

融资公告称 Suno 计划发布其与音乐行业共同开发的首个模型。新的水印和指纹层可以通过在 Suno 自身应用之外识别 Suno 输出，来支持这一过渡，为唱片公司和分发商提供一种识别 Suno 输出的方式。

Shulman 写道，艺术家和平台应决定他们披露什么。这一立场在为用户保留创作灵活性的同时，将部分执法负担转移给分发方。仅当这些平台能够可靠地检测到标记并信任 Suno 的实现时，这一做法才会奏效。

因此，Suno 接下来的证明点将是技术层面的。一个能够在普通编辑中存活并进入主要分发系统的水印，可能有助于 Shulman 将面向消费者的生成与许可音乐基础设施相连接。在 Suno 发布规范或平台集成之前，其持久性和覆盖范围仍然是公司的主张。