Suno solicita al juez que desestime la demanda por derechos de imagen del músico


Nueva ronda en los tribunales dentro de la interminable batalla legal que enfrenta a la industria musical con la plataforma de IA Suno. En esta ocasión, la compañía tecnológica ha respondido formalmente a la demanda interpuesta por el cantautor Jason Isbell. A diferencia de otros procedimientos, este litigio no gira en torno a la violación de derechos de autor, sino a la vulneración de los derechos de imagen y publicidad de los artistas.

El núcleo de la acusación sostiene que el modelo de inteligencia artificial de Suno “indexa a los músicos por su nombre” para poder fabricar canciones “al estilo” de artistas reales, lucrándose comercialmente de los “atributos identificativos” o la “identidad musical” de cada creador sin contar con su autorización.

Se trata de un enfoque totalmente innovador que aparta esta demanda del resto de casos similares. Como consecuencia, los abogados de Suno no han podido limitarse a reciclar los tradicionales argumentos sobre el uso legítimo (*fair use*) que venían utilizando, viéndose obligados a profundizar en la compleja normativa estadounidense sobre los derechos de publicidad a nivel estatal.

Tras analizar el marco legal, y como era de esperar dado lo que está en juego, los letrados de Suno han llegado a la conveniente conclusión de que vincular a los intérpretes con ciertos estilos musicales en una base de datos interna no infringe ningún derecho de publicidad, por lo que exigen al juez que desestime la demanda de Isbell de inmediato.

Los representantes legales de la empresa argumentan que, si bien los derechos de publicidad existen en la mayoría de los estados de EE. UU., ninguna legislación prohíbe que “un músico en un estudio le diga a su productor: ‘busquemos algo que tenga más la vibra de Jason Isbell’”.

Esto siempre y cuando, por supuesto, el resultado final no plagie directamente las canciones o grabaciones de Isbell ni se publique sugiriendo de forma engañosa que el artista ha participado en el proyecto.

“Lo que hace Suno no es diferente”, defienden los abogados. Explican que, si un usuario solicita un tema al estilo de Jason Isbell, el sistema traduce esa petición ordenando generar una pista de “cantautor de americana contemporánea con guitarra acústica de punteo”, dotándola de las características de “voces masculinas claras y un toque *country*” propias de ese género.

Para el equipo legal de Suno, “no hay nada ilegal en todo este proceso”.

Los derechos de publicidad —conocidos en otros países como derechos de la personalidad— cobran especial relevancia en el ámbito de la IA generativa cuando esta imita la voz o la apariencia física de un intérprete específico, dando lugar a los denominados “réplicas digitales”.

Existe un consenso generalizado de que estas copias sintéticas explotan los derechos de la personalidad, lo que obliga tanto a las plataformas de IA como a los sellos discográficos a obtener el visto bueno del artista antes de permitir cualquier simulación de su voz o rasgos.

Incluso cuando no se imita directamente la voz, fomentar que los usuarios introduzcan nombres de artistas concretos en los comandos (*prompts*) para replicar su estilo suele considerarse una infracción de estos derechos. Sin embargo, Suno se apresura a recalcar en su escrito que su plataforma no opera de ese modo.

“La interfaz de usuario de Suno no muestra de forma explícita nombres de artistas, ni ofrece menús para seleccionarlos, ni siquiera sugiere el uso de nombres de artistas en los comandos de forma general”, afirman.

De hecho, técnicamente los usuarios tienen prohibido incluir nombres propios al interactuar con la IA. Aunque, tal y como destapó la demanda de Isbell, Suno emplea un sutil truco: cuando alguien escribe el nombre de un músico, el sistema lo intercepta y lo sustituye automáticamente por sugerencias de estilos y géneros que definen su música.

Descubre Música Nueva Powered by MDX LaunchPad

Suno reconoce esta operativa en los documentos judiciales, pero matiza que Isbell no ha demostrado “que ninguna de estas descripciones mencione jamás el nombre del artista, ni mucho menos que se haga con la intención de sugerir que la obra fue creada por él o que el artista respalda la plataforma”.

Por consiguiente, sostienen que este mecanismo de sustitución de nombres por etiquetas de géneros musicales “no constituye ninguna violación del derecho de publicidad”.

Falta por comprobar si este argumento convencerá al juez, pero para valorar con rigor la postura de Suno resulta indispensable comprender los fundamentos del aprendizaje automático (*machine learning*).

La demanda de Isbell defiende que el hecho de que Suno reemplace los nombres de los artistas por etiquetas de estilo demuestra que la plataforma ha vinculado previamente dichos nombres con identidades musicales en su sistema interno, ofreciendo en la práctica un servicio de generación musical “al estilo de”.

Suno lo niega rotundamente, insistiendo en que su IA “no está diseñada para exportar música que pueda hacerse pasar por la obra de un artista ya existente”, un principio ético que asegura tener “incorporado en la propia arquitectura de la plataforma”.

Sus abogados añaden que el modelo de IA de Suno “no está entrenado para reconocer nombres de artistas en absoluto” y que “no existe ningún metadato de ‘nombre de artista’ en el material fuente utilizado para el entrenamiento”.

No obstante, la demanda inicial sostiene que Suno sí emparejó grabaciones con nombres de artistas durante la fase de aprendizaje. Según el escrito, la empresa “obtuvo archivos de audio y los vinculó sistemáticamente con los nombres de los creadores”, permitiendo que el modelo asociara posteriormente un nombre concreto con un conjunto específico de rasgos identificativos.

Aun si la descripción técnica que ofrece Suno fuera exacta, eso no invalida automáticamente las acusaciones de Isbell. El hecho de que el nombre del artista no aparezca de forma explícita en el material de origen no significa necesariamente que no se esté utilizando su identidad, aunque sea de forma indirecta.

Para entenderlo, conviene repasar el concepto de “características” (*features*) en el aprendizaje automático y cómo se emplean para detectar patrones dentro de los datos.

Apoya a nuestros auspiciadores

Extraer propiedades de la música —como el tempo, la tonalidad, el género o la instrumentación, o bien definir conceptos como “cantautor de americana contemporánea con guitarra acústica”— permite transformar las canciones en datos cuantificables. Estos datos se cruzan con los comandos del usuario para identificar los elementos solicitados y guiar al modelo generativo.

Este proceso de extracción suele incluir fases de preprocesamiento, tales como separar una canción en pistas independientes para aislar instrumentos y voces, analizando posteriormente el timbre vocal, el registro y otras cualidades acústicas.

Al aplicar este método a las canciones de un artista determinado, el sistema es capaz de construir una representación matemática muy precisa de su sonido, abarcando tanto su género y estilo general como matices más sutiles, tales como la textura de su voz o su instrumentación característica.

El propio escrito legal de Suno confirma que el nombre del artista interviene en el proceso justo antes de que la petición llegue al modelo de IA. Los abogados explican que, cuando un comando incluye el nombre de un músico, el motor principal no lee dicho nombre, sino “las descripciones de género y estilo asociadas a ese nombre que ha identificado una herramienta externa”.

Si se introduce ‘Duran Duran’, por ejemplo, el nombre es sustituido por términos como “new wave, synth-pop, pop rock”, lo que significa que “la sección del modelo encargada de procesar la solicitud del usuario jamás llega a ver el nombre del artista”.

En otras palabras, opera un sistema externo de mapeo que relaciona los nombres de los músicos con descripciones de su obra. Este mecanismo funciona de manera independiente al material de entrenamiento y sirve exclusivamente para traducir el nombre introducido por el usuario en las características musicales correspondientes.

Cuando se lanza un comando, se consulta dicho sistema, se traduce el nombre del artista en una serie de atributos musicales y estos parámetros se emplean para gobernar la creación de la obra sintética.

Todavía no se ha aclarado si esta “herramienta de terceros” consiste en un servicio externo al que Suno accede mediante una API o si se trata de un recurso interno que opera de forma autónoma respecto al núcleo de la IA.

Existen diversos conjuntos de datos públicos y comerciales —como las métricas de audio de Spotify— que facilitan este tipo de tareas. Cabe recordar que Spotify restringió el acceso a sus datos a los nuevos desarrolladores a finales de 2024 por motivos de seguridad, endureciendo aún más las condiciones de su API este mismo año aludiendo a los riesgos derivados de la automatización y la inteligencia artificial.

Descubre Música Nueva Powered by MDX LaunchPad

El lugar exacto donde se produzca esta traducción y su ubicación fuera del modelo principal carece de relevancia jurídica definitiva. Suno argumenta que “el nombre de la banda no forma parte de las directrices que recibe el motor de creación”. Sin embargo, el nombre del artista sigue constituyendo el detonante inicial que selecciona los parámetros para guiar a la IA; simplemente ha sido desplazado un paso más atrás en el proceso.

La incógnita verdaderamente importante radica en el nivel de precisión de ese mapeo. Los letrados de Suno afirman que los nombres se sustituyen por “descripciones genéricas amplias”. De hecho, la demanda de Isbell señala que, al buscar a Taylor Swift, el sistema arrojó etiquetas como ‘pop’, ‘country’, ‘country pop’ y ‘synth-pop’.

Sin embargo, cuando se introdujo el nombre del cantante de salsa Héctor Lavoe, Suno bloqueó el término pero, según la denuncia, “sin necesidad de modificar el comando”, el sistema generó un tema de salsa que “imitaba la voz brillante y ligeramente nasal característica del señor Lavoe”. Este detalle sugiere que, más allá de las categorías genéricas visibles para el usuario, la plataforma maneja un repertorio de características mucho más detallado y sofisticado que alcanza los matices propios de la voz humana.

El escrito de Suno incurre además en ciertosコント라стеs argumentales. Por un lado, defiende que no ha utilizado la identidad de ningún artista y que los nombres propios se traducen siempre en “descripciones de amplio espectro”; por otro, intenta desestimar el caso alegando que la demanda es, en realidad, un litigio encubierto por infracción de derechos de autor.

Bajo este último argumento, la compañía señala que, ateniéndose a las acusaciones de Isbell, lo que evoca el nombre de un artista es un sonido concreto que comprende “género, instrumentación, timbre vocal y fraseo”, elementos todos ellos “aprendidos a partir de las grabaciones de los demandantes”.

Estas cualidades distintivas —el “timbre vocal, fraseo y voz brillante y nasal” que Suno reconoce haber “aprendido”— resultan cruciales porque están protegidas por los derechos de publicidad en múltiples estados de EE. UU. contemplados en la demanda.

Asimismo, los tribunales han dictaminado en el pasado que las demandas basadas en la imitación de voz (*soundalikes*) quedan fuera del paraguas de los derechos de autor, ya que la voz humana no está protegida por dicha normativa.

Por consiguiente, aunque Suno no admite que su tecnología funcione tal y como denuncia Isbell, sus abogados no cuestionan la explicación del músico sobre el papel que desempeña el nombre de un artista a la hora de transformar un comando en un resultado sonoro.

Es más, se apoyan en esa misma premisa para insistir en que el pleito constituye un mero conflicto de propiedad intelectual disfrazado de reclamación por derechos de la personalidad. “En la medida en que las reclamaciones de los demandantes se basan en el uso de sus nombres”, escriben, “lo que pretenden es controlar un estilo sonoro, y la mera invocación de dichos nombres no aporta ningún elemento cualitativo que saque el caso del ámbito de los derechos de autor”.

Cualquier experto en aprendizaje automático sabe que un modelo suficientemente avanzado no precisa de nombres propios para lograr estas coincidencias: con la cantidad adecuada de datos y una correcta extracción de características, los sistemas de IA pueden hallar —o simular— similitudes casi perfectas.

Por tanto, al tomar el nombre de un artista, abstraerlo en la interfaz mediante géneros generales, pero “evocar” un conjunto de atributos que incluye “el timbre y el fraseo vocal” aprendidos de las grabaciones originales para pasárselos a la IA sin incluir el nombre explícito, da prácticamente igual si el identificador viajó o no de forma directa por el sistema.

Queda por ver si el tribunal estará dispuesto a descender a este nivel de detalle técnico. E incluso si lo hace, todavía está por determinar si conectar un nombre artístico con una identidad musical en el trastienda digital constituye una violación de los derechos de publicidad. A menos, claro está, que uno le pregunte al equipo legal de Suno, para quienes resulta categóricamente falso.



Source link

About MDX Music

MDX Music es una plataforma global diseñada para potenciar la difusión y promoción de artistas, ofreciendo herramientas innovadoras que complementan el trabajo de Artistas, sellos y distribuidoras. Nuestra misión es llenar los vacíos que la industria tradicional deja en la promoción musical

Recent Posts

Síguenos en Facebook

Se parte del circulo interno

Únete a nuestra comunidad en Discord

Conoce artistas, productores y fans. Accede a valiosos conocimientos de la industria de expertos y mucho más….