CourionAI
ES
Boletín
← Todas las noticias
ai-basics 3 min de lectura

Suno refuerza los límites de descarga después de que un tribunal alemán falló en contra

El generador de música con IA está limitando las descargas masivas y añadiendo etiquetas de IA, después de que un tribunal de Múnich determinara que estaba entrenado en canciones con derechos de autor y un inversor admitiera que compite con artistas humanos.

Una cinta transportadora de discos en blanco idénticos amontonándose contra una puerta de barrera bajada, con una onda de sonido dibujada a mano que se curva hacia arriba

Suno, el generador de música con IA más conocido, está cambiando sus reglas. En una publicación de blog, el cofundador y director ejecutivo Mikey Shulman estableció cuatro principios rectores y un conjunto de medidas concretas, siendo la más tangible una nueva política de descarga diseñada para evitar que las personas exporten canciones de IA en masa e inunden los servicios de transmisión con ellas. La mayoría de los usuarios no lo notarán, afirma la empresa. Se supone que hacerlo a escala será mucho más difícil.

La presión detrás del cambio es fácil de rastrear. Un tribunal regional de Múnich dictaminó recientemente que Suno utilizó canciones protegidas por derechos de autor en sus entrenamientos y puede reproducirlas cuando se le solicite de la manera correcta, y concluyó que la doctrina de uso legítimo de Estados Unidos no protege a la empresa en Alemania. Poco antes, uno de los propios inversores de Suno admitió públicamente que las canciones hechas con Suno compiten directamente con la música de artistas humanos. Esa admisión es más dañina de lo que parece: los argumentos sobre el uso legítimo se basan en gran medida en si un uso es nuevo y transformador en lugar de un sustituto del original, por lo que un inversor que diga “compite” está cerca de admitirlo.

La respuesta de Suno es que su entrenamiento fue diseñado para evitar copias en primer lugar. La compañía describe un enfoque que llama “Creación original, por diseño” y dice que deliberadamente dejó los nombres de los artistas fuera de sus metadatos de entrenamiento, por lo que el modelo no tiene forma de imitar a un músico nombrado. Dice que nunca ha permitido mensajes dirigidos a un artista o canción específicos, y que funciona con Audible Magic, Musixmatch y otros servicios para filtrar el audio y las letras cargados. También planea herramientas de transparencia basadas en estándares industriales emergentes, para que otras plataformas puedan identificar una pista como hecha por Suno.

El problema del spam no es hipotético. En marzo, un hombre fue condenado después de subir cientos de miles de canciones generadas por IA y cobrar ocho millones de dólares en regalías a través de cuentas falsas y transmisiones automatizadas. Las plataformas de streaming han estado cambiando la forma en que manejan las nuevas cargas, en parte debido a esa avalancha. El hecho de que Suno cierre el grifo es, en parte, una respuesta a un ataque económico a las mismas plataformas en las que publican sus usuarios.

Qué significa esto para ti: si haces música con Suno por diversión, para un vídeo o para un proyecto pequeño, es poco probable que los nuevos límites te afecten. Si tu plan consistía en subir un catálogo grande a servicios de streaming, ahora resulta mucho más difícil. La sentencia alemana también vuelve más incierto el uso comercial de música generada por IA en Europa que hace un mes. Para los demás, esta es la señal más clara hasta ahora sobre el rumbo del conflicto entre IA y derechos de autor: no habrá una única sentencia dramática, sino un endurecimiento gradual en el que los propios generadores añadirán etiquetas, límites y controles porque la alternativa está perdiendo en los tribunales.

Fuentes

Fuentes: https://suno.com/blog/building-the-future-of-music-responsibly

Siguiente artículo

Mismo modelo, cuatro herramientas diferentes, el triple de precio: una prueba de lo que te cuesta la envolvedora

Composio ejecutó DeepSeek V4 Flash a través de Claude Code, Codex, OpenCode y Oh My Pi en 30 tareas reales. Las tasas de éxito fueron similares. El costo varió casi 3 veces y la velocidad 2,2 veces, dependiendo únicamente de qué herramienta ejecutaba el modelo.

Cuatro motores idénticos montados en cuatro bastidores de formas diferentes sobre un banco de trabajo, cada uno con su propio cronómetro y una pila de monedas de diferente altura.