Datasets com 21 milhões de músicas são usados para treinar IAs

Uma investigação conduzida pelo The Atlantic revelou a escala do uso de material protegido por direitos autorais no treinamento de modelos de inteligência artificial. Quatro grandes datasets, que somam mais de 21 milhões de gravações, têm sido compartilhados amplamente entre desenvolvedores. Embora alguns desses bancos de dados tenham sido criados originalmente para fins acadêmicos, como o LAION-DISCO-12M, a ausência de transparência na indústria dificulta a identificação precisa de quais empresas utilizaram cada coleção para o desenvolvimento de seus produtos comerciais. O cenário jurídico é marcado por uma série de processos movidos pela RIAA e grandes gravadoras, que acusam startups como Suno e Udio de infração em massa de copyright. Enquanto parte da indústria optou por acordos de licenciamento e a criação de ambientes controlados para o uso de IA, a Sony Music e outros detentores de direitos continuam a batalha judicial. Paralelamente, o impacto dessas ferramentas é visível no mercado de streaming, onde o volume de faixas sintéticas cresce exponencialmente, levantando preocupações sobre a sustentabilidade financeira dos artistas humanos e a integridade dos direitos autorais.