音樂圈版權保衛戰：AI是如何洗劫音樂人的？

本世紀的音樂人“鬼故事”——你的音樂作品，正在悄悄成為AI的“養料”。

最近，全球音樂產業掀起了一場創作者的集體自查潮。《大西洋月刊》記者Alex Reisner將自己持續進行的AI Watchdog調查擴展至音樂領域，公開了四個在AI開發社區流通的大型音樂數據集，并上線了可搜索數據庫。

一夜之間，從行業協會、格萊美獲獎歌手到獨立音樂人，一場全行業自查迅速席卷全球音樂圈。

誰都沒想到，一個小小的搜索框，徹底點燃了一場圍繞AI訓練授權、數據來源和創作者報酬的爭論，也讓藏在產業鏈深處的創作者困境與荒誕現實集體顯形。

戳破AI公司的糊涂賬

AI Watchdog最早于2025年上線，是《大西洋月刊》發起的一項調查性報道項目，專門用于追蹤和公開AI訓練數據背后的版權來源。其初衷是篩查用于AI訓練的圖書、學術論文與視頻素材，如今正式將監測范圍拓展至音樂領域。

本次收錄的數據集包含兩個超大型曲庫LAION-DISCO-12M和Sleeping-DISCO-9M，曲目規模分別高達1200萬首與900萬首，另有兩個中小型曲庫Spotify Tracks Dataset和Free Music Archive Dataset，各自收錄錄音作品均超10萬首。

也就是說，四個數據集累計超過2100萬首，在AI開發社區中秘密流通。

不過，AI Watchdog也強調了兩點：其一，四個庫并沒有窮盡所有訓練來源；其二，某首作品出現在數據集中，并不必然等于它最終被某個模型實際用來訓練。但即便如此，也足以說明：在創作者不知情的情況下，大量音樂作品已經進入AI開發者可以隨意獲取和調用的候選原料池。

據介紹，這4份數據庫涵蓋眾多流行巨星的熱門作品，包括Bad Bunny、Nirvana、Taylor Swift、Billie Eilish、Pearl Jam、Beatles，同時收納了大量爵士名家作品與古典樂曲目。

其中，體量最大的LAION-DISCO-12M由德國非營利機構LAION于2024年11月發布，知名圖像生成模型Stable Diffusion的訓練數據集同樣出自該機構。

官方聲明中，該數據集僅限于學術研究，嚴禁商業落地或直接用于成品制作。然而，“僅供研究”的限定，在現實中面臨法律裁量的模糊地帶與開源社區的擴散慣性，數據集一經發布，其后續流向與使用意圖便不再受原始發布者的掌控。

另一套超大型曲庫Sleeping-DISCO-9M則以YouTube音樂內容和Genius歌詞為核心來源，開發者借助cloudscraper繞過Cloudflare對Genius頁面的抓取限制，再將歌詞、元數據與YouTube鏈接進行匹配。相比普通音樂資料庫，它屬于面向生成式音樂模型的預訓練數據集，可用于文生音樂、音樂數據標注、歌聲合成等任務。

相比之下，Spotify Tracks Dataset的問題則集中在來源透明度上。《大西洋月刊》將其描述為一批從Spotify扒下來的曲目集合，由開源社區Hugging Face上一名身份不明的AI開發者上傳。

Spotify方面明確表示，這一數據集與官方無關。也就是說，它雖然規模不及前兩個超大型曲庫，但由于直接牽涉音樂流媒體平臺的內容、抓取方式和上傳者身份不透明，反而更容易引發版權與平臺規則層面的質疑。

四者之中，相對更合規、也更容易追溯來源的，是Free Music Archive Dataset。該數據集由瑞士洛桑聯邦理工學院EPFL于2016年整理，來源于Free Music Archive，收錄超過10萬首錄音作品。

FMA官方顯示，其中大部分內容采用Creative Commons（知識共享）授權，提供30秒版本與完整版本，因此長期被音樂信息檢索、音樂分類和音頻研究領域用作基準數據集。

目前能夠明確的是，Google和Stability AI都曾在模型說明中確認使用過Free Music Archive Dataset中的部分數據，但至于其他數據集究竟被哪些AI公司訓練過、用到了什么程度、是否進入了商業模型管線，外界仍是一筆糊涂賬。

藝人掀起自查潮

AI Watchdog真正改變的，正是這筆糊涂賬的可見性。

現在，音樂人只要通過AI Watchdog輸入關鍵詞，就有幾率得到一個令人不適的結果。

消息一出，海外音樂圈炸鍋了。

澳大利亞知名樂隊Savage Garden主唱Darren Hayes在社交平臺寫道，過去30年他所創作或演繹的每一首作品，都被AI軟件竊取了。澳大利亞版權協會APRA AMCOS主席Dean Ormston也表明，AI公司正在竊取Midnight Oil、Sia、Crowded House、Lorde等藝術家的作品。

格萊美獲獎歌手SZA直接在社交平臺附上截圖，配文只有一句話：“剛查了，AI拿我238首歌訓練過。我確定有些根本沒發過。”緊接著她又寫道：“如果你是個音樂人還支持這破事，你惡心透了，沒什么可說的。”

隨后，SZA直接把矛盾推向了文化剝削問題。她直接點名國際頂尖制作人Diplo，稱其持有AI音樂公司Suno的股權，正積極試圖用最優秀的黑人創作者和制作人來訓練它。

她寫道：“我們占美國人口的13%，卻用聲音和視角影響著整個世界。我還沒聽過一首白人AI寫的歌呢……我們在立法、醫療、創意上都沒有保護，最好偷的就是我們。”

不過，隨后Diplo也做出了澄清，稱自己并未持有Suno股份，他自己的超過500首歌曲也被AI應用用于訓練。他留下一句意味深長的話：“反派不是技術，技術只是技術。”有報道稱，Diplo其實是另一家AI初創公司Aaru的投資者。

緊接著，美國知名音樂制作人Kenneth Blume同樣沒有留情。他在X上直接@Suno寫道：“無法想象有人每天上班卻在剝奪無數音樂人的作品”，并稱這種行為“是在以工作之名，消解藝術家的夢想”。

獨立音樂圈這邊的反應，簡直可以用“一怒之下站起來，兩眼一黑又坐下”來形容。

曾以復古音樂作品圈粉無數的音樂人DJ Sabrina the Teenage DJ發現自己的22首歌出現在數據集后，在Bluesky上寫道：“那些說我音樂聽起來像AI垃圾的人，有沒有想過是因為Suno用了包含我22首歌的數據集？”

Titus Andronicus的主唱則用一種黑色幽默回應：“他們拿了我一張沒人聽過的專輯里的冷門歌……祝你好運，哥們。”甚至Reddit上，大量草根獨立音樂人都開始自查。“發現了我自己的歌，而我根本不出名！”一位Reddit用戶寫道。

這正是最荒誕無力的地方。

之于頭部藝人，AI訓練或許意味著商業價值被未經許可地調用；對中腰音樂人而言，它甚至像是一種遲來的承認：作品終于被看見了，只不過看見它的不是聽眾，而是爬蟲。并且，創作者的主體性還被倒置了。印象中，真正的創作者似乎很少主動模仿AI，反而是AI先吞下了創作者，然后市場轉過頭再用AI的標準去審判創作者。

目前，版權方的實際損失很難精準核算，此前國際作者作曲者協會聯合會（CISAC）委托PMP戰略咨詢公司開展專項調研，曾給出了量化預估數據。

報告測算，到2028年，AI音樂預計將占據音樂流媒體平臺收入的20%，以及音樂資料庫（Music Libraries）收入的60%；生成式AI將瓜分音樂人24%的營收；2023至2028年間，創作者累計收入損失可達100億歐元（約合105億美元），2028年年均損失將達到40億歐元。

因此，這場風波真正刺痛人的，是問題正在變得具體，也變得更難被含糊帶過。甚至，可以變成更尖銳的追問：誰授權了？誰獲利了？如果一首歌已經成為AI能力的一部分，創作者為什么仍被排除在收益分配之外？

比版權更值錢的東西出現了？

當下，遠比單純維權復雜的新秩序，正在浮出水面。

之前，作品的價值往往發生在發行之后。當AI興起，作品的價值可能在進入訓練池的那一刻就已經被煉化了。

音樂行業逐漸明白，AI公司要的，可能是比版權更值錢的東西。

據Global Info Research的數據，2025年全球AI訓練數據集市場規模約為18.47億美元，預計到2032年將增長至114.58億美元，年復合增長率達29.7%。另有研究機構估算，該市場到2034年可能攀升至231.8億美元。

不同機構的口徑雖有差異，但指向同一個結論：數據正成為AI時代最昂貴的籌碼。這種轉變，也正在把AI公司和音樂產業從正面對峙，推向一場更現實精細的談判。

《大西洋月刊》報道稱，目前Suno與Udio兩大AI音樂公司至少卷入12起版權官司。從2024年起，美國唱片業協會RIAA代表三大唱片，以大規模版權侵權為由正式起訴Suno與Udio，指控二者未經授權復制錄制音樂作品，用于訓練AI模型。

一年多之后，戰局開始復雜。環球音樂、華納音樂逐步從訴訟轉向版權授權合作，試圖把AI訓練納入可控的許可框架；索尼音樂則仍堅持對兩家公司持續訴訟，更像是產業開始重新計算自己的籌碼。

現階段，Suno還在法庭應訴，并試圖阻止環球音樂與索尼音樂獲取其與華納音樂和解協議的條款細節。與此同時，德國著作權集體管理協會GEMA、丹麥版權組織Koda也相繼對Suno發起訴訟。

另一邊，Udio則已經接連拿下多方的版權授權。今年1月，Udio簽約獨立廠牌聯盟Merlin；4月，又完成與Kobalt的合作簽約。

也就是說，AI音樂公司正在一邊應訴，一邊補票；在被指控未經許可使用音樂訓練模型的同時，一邊又開始重新接入版權體系。

更有意思的是，新的授權合作并沒有自動解決創作者的利益分配問題。今年6月，美國音樂家聯合會AFM還將環球音樂、華納音樂告上法庭，指控兩大廠牌未經藝人許可，擅自將旗下樂手的錄音版權授權給Suno與Udio，而相關藝人沒有獲得報酬與署名。

可以看到，現在的問題已經從維權訴訟，逐漸轉向定價和制度設計。

在訓練數據成為一門正經生意之前，行業也不得不開始發明新的賬本，以持續分享AI創造的新價值。

比如“訓練版稅”（Training Royalty）就正在被討論為一個獨立于傳統表演權和機械復制權的新權利類別。去年，瑞典音樂作品著作權集體管理組織STIM向AI公司發放音樂作品許可，其中框架已經部分實現了這一思路。

按照其框架，AI公司如果想合法使用受版權保護的音樂作品進行訓練模型，需要先取得許可；被納入許可的作品，必須來自明確同意參與的詞曲作者和版權商。今年6月起，STIM進一步引入AI專項權利類別，強調作品不會自動進入AI許可，創作者需要按作品主動同意。

更關鍵的是，STIM把補償拆成了幾個環節：作品被用于模型訓練時，權利人可以獲得訓練階段的許可收入；AI服務上線并產生訂閱等收入時，權利人可以繼續分享收益；如果AI生成音樂進一步被分發、使用并產生收入，也可能觸發后續分配。

同時，產業界與學術界也在討論更細致的AI版稅模型。

去年10月，索尼AI研究人員主導發布的論文《Attribution-by-design》提出，要區分training-time attribution（訓練時歸因）和inference-time attribution（推理/生成時歸因），并建立可驗證的來源追蹤和版稅分配機制。

另一篇由伊利諾伊大學厄巴納香檳分校（UIUC）等機構的研究人員發布的論文《Computational Copyright》則更早提出，可以借鑒Spotify、YouTube等平臺的分賬邏輯，用數據歸因技術來判斷AI生成音樂受哪些訓練作品影響，并據此設計AI音樂生成平臺的收入分享模型。

此外，圍繞藝術風格、創作特征和人格屬性展開的“類風格權”概念，也已經開始在立法、市場和平臺治理中浮現。

今年6月，美國國會議員提出法案《CREATOR Act》（創作者權利保障法案），面向視覺藝術家，試圖讓創作者在AI未經許可、為商業目的模仿其獨特視覺風格時，有權阻止并索賠。官方明確承認，現行版權法只保護具體作品，卻不保護創作者的風格；而風格恰恰是AI時代最容易被復制、也最難被定價的東西，該法案正是想填補這一空白。

盡管CREATOR Act當前僅覆蓋視覺領域，且尚處立法初期，但它為音樂行業創作者的焦慮，第一次提供了可對照的解決方案的輪廓。

這也是為什么，未來的核心戰場未必只在早看膩了的版權大戰和法庭對峙里。真正的交鋒，正在被前移到更早且更隱蔽的地方發生：訓練、生成、歸因和分配，新規則正在這些細節里一點點長出來。

新事物似乎又一次把產業逼到了重新立約的前夜，AI音樂的爭議，也變成了一場關于未來產業分配規則的重新開盤。

而AI時代真正需要重寫的，不只是版權法，更是音樂產業的新賬本。