Немецкий суд счёл Suno ответственным за использование защищённой музыки

Munich Regional Court I вынес решение 31 июля 2026 года по иску GEMA против платформы Suno, признав компанию ответственной за несанкционированное воспроизведение охраняемых композиций в сгенерированных треках. В рамках дела рассматривались шесть произведений:

• Forever Young
• Big in Japan (Alphaville)
• Atemlos durch die Nacht
• Mambo No. 5
• Rasputin
• Daddy Cool

По делу не обсуждались тексты композиций; предметом спора стали музыкальные элементы, которые, по мнению GEMA, обнаруживались в треках, созданных через генеративную систему Suno. GEMA сгенерировала материалы в платформе и затем сопоставила их с оригинальными произведениями, указав на распознаваемые музыкальные фрагменты как на основание для претензий о воспроизведении.

Suno оспаряла такую интерпретацию: компания утверждала, что оригинальные песни не хранятся внутри её модели, ставила под сомнение степень сходства между сгенерированными треками и охраняемыми произведениями и настаивала, что ответственность должна лежать на пользователях, которые вводят подсказки (prompts). Также Suno подвергла сомнению юрисдикцию суда, указывая на то, что модель обучалась в США. Судебная инстанция, однако, приняла сторону GEMA в основном объёме требований.

В решении суд обязал Suno прекратить соответствующие использования платформы, раскрыть информацию, связанную с полученными доходами, и выплатить компенсации, размер которых ещё не был определён. Решение остаётся предметом апелляции; оно не означает автоматически, что каждый трек, созданный через платформу, нарушает авторские права, и не тождественно общенациональному запрету на деятельность Suno в Германии. Тем не менее ключевой вывод суда — возложение ответственности на поставщика технологии при обнаружении идентифицируемой охраняемой музыки в выходных данных модели — переводит проблему прозрачности и верификации в центр обсуждения.

Это решение обостряет более широкий вопрос: как доказать, какие именно материалы использовались при обучении моделей и какие доли финального трека были сгенерированы автоматически, а какие созданы человеком. AI-инструменты уже применяются на всех этапах музыкального производства: в написании песен, аранжировке, поиске звуков и семплов, обработке вокала, мастеринге, распространении и промо. При этом часто отсутствует механизм, позволяющий надёжно установить степень участия человека в итоговом произведении и происхождение обучающих данных.

На практике это осложняет задачу правообладателей, которым необходимо проверить, были ли использованы их композиции, давалась ли на это лицензия и кому полагаются гонорары. В случае с Suno именно GEMA пришлось генерировать материалы на платформе, производить сравнительный анализ музыкальных элементов и только затем прибегать к судебным мерам, чтобы получить более детальную информацию о внутреннем устройстве системы и механике получения результатов.

Параллельно с юридическими процессами меняется и повседневная экосистема электронной сцены. Инструменты, использующие машинное обучение, уже внедрены в рабочие процессы диджеев и продюсеров. Так, Serato Stems применяет ML для разделения трека на вокал, бас, ударные и мелодии, а rekordbox предоставляет аналогичные функции для изоляции или заглушения отдельных частей во время сета. Продюсеры используют AI-ассистированные программы для организации библиотек семплов, очистки вокала, мастеринга и превращения набросков в демоверсии.

Некоторые артисты публично высказывались о таких инструментах: deadmau5 отмечал потенциальную пользу AI в продакшене, а Diplo рассказывал, что сгенерированные вокалы помогали ему создать выступления, которых не удавалось добиться от живых певцов. Эти примеры в первую очередь отражают использование технологий в роли вспомогательных инструментов, когда система поддерживает часть творческого процесса, но не создаёт полный продукт самостоятельно.

В то же время возникают более сложные ситуации, когда AI начинает имитировать голоса, писать музыку или полностью генерировать песни. Дискуссия о допустимости таких практик получила широкую огласку в 2023 году, когда David Guetta проиграл трек с AI-сгенерированным вокалом Eminem в рамках выступления, при этом он заявил, что релиза у трека не будет. Grimes пошла иным путём, предложив контролируемую модель через Elf.Tech, которая позволяет музыкантам использовать авторизованную версию её голоса на условиях разделения роялти. Эти примеры демонстрируют, что различие заключается не только в факте использования AI, но и в наличии согласия артиста, прозрачных соглашений и договорённостей о правах и выплатах.

Ключевой проблемой остаётся отсутствие единых стандартов раскрытия информации. Понятия «AI-assisted» или «AI-generated» сами по себе дают мало практической информации: они не показывают, применялась ли технология для очистки вокала, для разделения стемов, для предложения мелодий, для воссоздания голоса исполнителя или для генерации основной части финального трека. Для того чтобы такие пометки имели смысл, необходимы две вещи: чёткое раскрытие, на каком этапе и в какой степени применялся AI, и верифицируемые доказательства, которые позволят лейблам, дистрибьюторам, платформам и правообладателям проверить эти утверждения.

Без надёжных механизмов верификации риск смешения разных практик остаётся высоким: музыкальные продюсеры, использующие AI в технической роли, могут оказаться в одной категории с теми, кто публикует в основном сгенерированный контент без прозрачности относительно происхождения материалов. Те же, чьи голоса или композиции случайно или намеренно появляются в сгенерированных треках, часто вынуждены доказывать факт использования их работ.

Решение Munich Regional Court I по Suno приближает проблему прозрачности к юридической реальности: суд показал, что при обнаружении идентифицируемых охраняемых элементов на поставщика технологии могут быть возложены юридические обязательства по прекращению использования, раскрытию финансовой информации и компенсации ущерба. Дальнейшее развитие практики будет зависеть от апелляций по этому делу и от того, возникнут ли технические стандарты, позволяющие проверять происхождение обучающих наборов данных и степень участия AI в создании музыки.

До появления таких стандартов музыкальная индустрия остаётся в ситуации, когда регулирование и коммерческие практики определяются отдельными судебными решениями, техническими возможностями платформ и соглашениями между артистами, лейблами и разработчиками технологий.