Una filtración de datos tras un hackeo ha confirmado que la plataforma Suno recopiló millones de canciones de servicios como YouTube Music, Deezer y Genius para alimentar sus modelos de inteligencia artificial. Según la información obtenida por varios medios, el código fuente y los documentos internos expuestos revelan detalles concretos sobre el origen y la escala del material utilizado en el entrenamiento de sus algoritmos.
Más de dos millones de clips musicales de YouTube Music
Uno de los archivos filtrados indica que, en su última actualización, el sistema de Suno había incorporado más de 2.013.545 clips musicales procedentes de YouTube Music. Además, los comentarios en el código fuente mencionan la creación de conjuntos de datos que incluyen 113.879 horas de audio de YouTube Music, 17.615 horas de Genius, 12.287 horas de Deezer, 62.117 horas de Pond5, 3.726 horas de Jamendo, 410 horas de Freesound y 19.514 horas del International Music Score Library Project (IMSLP). Estos datos, según los expertos, representan décadas de contenido musical.
La filtración también revela que Suno utilizó herramientas como PodcastIndex para identificar unos 420.000 podcasts con características específicas, con el objetivo de descargar aproximadamente un millón de horas de audio. Además, el código incluía instrucciones para filtrar contenido no musical y buscar versiones acapella de canciones en YouTube, lo que sugiere un enfoque meticuloso en la selección de material para el entrenamiento de sus modelos de generación vocal.
Reconocimiento previo y controversia legal
Suno ya había reconocido en procesos judiciales previos que sus modelos se entrenaron con «esencialmente todos los archivos musicales de calidad razonable accesibles en el Internet abierto». La empresa ha argumentado que este uso está protegido por la doctrina del fair use (uso justo), una postura que ha sido cuestionada por la industria musical. De hecho, la Recording Industry Association of America (RIAA) presentó una demanda en la que acusa a Suno de eludir deliberadamente las protecciones de copyright de YouTube mediante el stream ripping (extracción de audio de transmisiones en línea).
Los documentos filtrados respaldan estas acusaciones, ya que muestran que Suno utilizó proxies y herramientas de raspado de datos, como las proporcionadas por la empresa Bright Data, para extraer contenido de YouTube y otras plataformas. Esto ha intensificado el debate sobre la ética y la legalidad del uso de material con derechos de autor para entrenar modelos de inteligencia artificial.
Respuesta de Suno y alcance del hackeo
Ante la filtración, un portavoz de Suno declaró que el incidente fue «contendido rápidamente» tras descubrirse en noviembre de 2025. La empresa afirmó que el código fuente expuesto era obsoleto y ya no se utilizaba, y que no se comprometió información sensible de los usuarios, ya que no almacenan números completos de tarjetas de crédito. Sin embargo, el hacker que accedió a los datos también tuvo acceso a información de clientes, como correos electrónicos, números de teléfono y detalles de pago procesados a través de Stripe.
Suno también ha mantenido que, debido a la limitada magnitud de la brecha, no consideró necesario notificar a su base de usuarios. No obstante, la filtración ha puesto de manifiesto no solo las prácticas de recopilación de datos de la empresa, sino también vulnerabilidades en la seguridad de su infraestructura.
Contexto y implicaciones para la industria musical
El caso de Suno no es aislado. La creciente popularidad de los generadores de música basados en IA ha llevados a un aumento en las demandas y el escrutinio sobre cómo estas empresas obtienen y utilizan el material para entrenar sus modelos. Empresas como Universal Music Group y Sony Music ya han presentados demandas contra Suno, acusándola de violar derechos de autor.
La filtración actual proporciona pruebas concretas de que Suno recurrió a plataformas de streaming, bibliotecas de música libre y servicios de podcasts para construir sus conjuntos de datos. Esto plantea preguntas urgentes sobre la transparencia, el consentimiento y la compensación a los creadores originales, temas que están en el centro del debate global sobre la regulación de la IA generativa.
Mientras la industria musical y los reguladores analizan estas revelaciones, el caso de Suno podría sentar un precedente importante en la intersección entre la inteligencia artificial, la propiedad intelectual y la ética digital.