संगीतकार AI संगीत चोरी के खिलाफ कैसे लड़ रहे हैं

जब Suno और Udio ने 2024 में अपने AI संगीत जनरेटर आम जनता के लिए लॉन्च किए, तो उन्होंने ऐसी नींव पर बना उपभोक्ता उत्पाद खोला जिसे संगीत उद्योग ने तुरंत गहराई से समस्याग्रस्त पहचाना: ऐसा प्रशिक्षण डेटा जिसमें लगभग निश्चित रूप से लाइसेंस, सहमति, या मुआवज़े के बिना खुरची गई कॉपीराइट रिकॉर्डिंग शामिल थीं। दो साल बाद, कानूनी लड़ाइयाँ पूरे ज़ोर पर हैं, कलाकार अपने काम की रक्षा के लिए नए तकनीकी टूल तैनात कर रहे हैं, और इंसानी रचनात्मकता पर प्रशिक्षित AI से किसे फ़ायदा होता है, इस पर एक व्यापक हिसाब-किताब संगीत उद्योग को नया आकार दे रहा है। स्थिति यहाँ है।

प्रशिक्षण डेटा की समस्या

AI संगीत जनरेटर ऑडियो के विशाल डेटासेट पर प्रशिक्षित होते हैं। जनरेटर के आउटपुट की गुणवत्ता उसके प्रशिक्षण डेटा की गुणवत्ता और मात्रा पर बहुत निर्भर करती है — यानी सबसे अच्छे आउटपुट सबसे अच्छी पेशेवर रिकॉर्डिंग पर प्रशिक्षित मॉडलों से आते हैं। वे रिकॉर्डिंग कॉपीराइट हैं। कलाकारों और लेबल का मूल कानूनी तर्क सीधा है: लाइसेंस या सहमति के बिना कॉपीराइट संगीत का इस्तेमाल एक व्यावसायिक AI उत्पाद प्रशिक्षित करने के लिए करना कॉपीराइट उल्लंघन है, चाहे मॉडल का आउटपुट सीधे उन रिकॉर्डिंग को दोबारा पैदा करे या न करे।

AI कंपनियों का जवाबी तर्क "रूपांतरकारी इस्तेमाल" रहा है — यह तर्क कि प्रशिक्षण किसी इंसानी संगीतकार के संगीत सुनकर और उससे सीखने के समान है, और AI का आउटपुट प्रशिक्षण डेटा की नक़ल नहीं बल्कि रूपांतरकारी कृतियाँ हैं। अदालतें अभी इस तर्क पर काम कर रही हैं, और नतीजे निकट भविष्य के लिए AI संगीत कानून तय करेंगे।

मुकदमे

Recording Industry Association of America (RIAA) ने जून 2024 में Suno और Udio के खिलाफ मुकदमा दायर किया, जो Universal Music Group, Sony Music, और Warner Music Group का प्रतिनिधित्व करता है — एक गठबंधन जो व्यावसायिक रूप से महत्वपूर्ण रिकॉर्ड किए गए संगीत के विशाल बहुमत को कवर करता है। मुकदमों में प्रशिक्षण डेटा में कॉपीराइट रिकॉर्डिंग इस्तेमाल करने के लिए कॉपीराइट उल्लंघन का आरोप है और वैधानिक हर्जाना माँगा गया है जो, अगर आरोपित उल्लंघन के पूरे पैमाने पर लागू हो, अरबों डॉलर तक पहुँच सकता है।

साथ ही, व्यक्तिगत कलाकारों ने क्लास एक्शन मुकदमे दायर किए हैं या उनमें शामिल हुए हैं। इनमें प्रमुख रिकॉर्डिंग कलाकार शामिल हैं जो प्रशिक्षण में सिर्फ़ कॉपीराइट उल्लंघन ही नहीं, बल्कि अतिरिक्त दावे भी करते हैं: प्रचार अधिकार (सहमति के बिना उनकी आवाज़ और शैली का व्यावसायीकरण); ट्रेड ड्रेस (AI-जनित संगीत जो उनकी पहचानने योग्य ध्वनि की नक़ल करे); और अनुचित प्रतिस्पर्धा। क्लास एक्शन उन कई कलाकारों के दावे इकट्ठा करते हैं जिनका काम प्रशिक्षण डेटा में इस्तेमाल हुआ, जिससे संभावित हर्जाना और कानूनी चुनौती की व्यापकता बढ़ती है।

अमेरिका के बाहर, EU का AI अधिनियम प्रशिक्षण डेटा के बारे में पारदर्शिता की स्पष्ट माँगें बनाता है और अधिकार धारकों को अपने काम को AI प्रशिक्षण में इस्तेमाल होने से बाहर निकलने का अधिकार देता है। कई यूरोपीय कलाकारों और संग्रह समितियों ने इस ढाँचे के तहत कार्रवाई की है।

कलाकार व्यावहारिक रूप से क्या कर रहे हैं

अदालतों से आगे, कलाकार कई व्यावहारिक रणनीतियाँ अपना रहे हैं।

प्रशिक्षण डेटासेट से बाहर निकलना। कई AI कंपनियों ने ऑप्ट-आउट तंत्र लागू किए हैं जो अधिकार धारकों को यह अनुरोध करने देते हैं कि उनका काम भविष्य के प्रशिक्षण में इस्तेमाल न हो। व्यावहारिक सीमाएँ महत्वपूर्ण हैं: ऑप्ट-आउट भावी हैं, पूर्वव्यापी नहीं (ये पहले से प्रशिक्षित मॉडलों को प्रभावित नहीं करते); इनके लिए अधिकार धारक को अपना काम विशेष रूप से पहचानना ज़रूरी है; और अनुपालन स्वैच्छिक और असत्यापन योग्य है। कई कलाकार ऑप्ट-आउट को अपर्याप्त मानते हैं क्योंकि शुरुआती प्रशिक्षण सहमति के बिना हुआ।

"पॉइज़निंग" टूल इस्तेमाल करना। University of Chicago के शोधकर्ताओं ने Nightshade नाम का एक टूल विकसित किया जो छवियों को इंसानी आँख के लिए अदृश्य पर AI प्रशिक्षण को भ्रष्ट करने वाले तरीकों से सूक्ष्मता से संशोधित करता है — जिससे ज़हरीली छवियों पर प्रशिक्षित मॉडल ख़राब, ग़लत आउटपुट बनाते हैं। ऑडियो के लिए समान टूल विकसित किए जा रहे हैं। AudioShield और समान प्रोजेक्ट जारी की गई रिकॉर्डिंग के स्पेक्ट्रल गुणों को ऐसे तरीकों से संशोधित करने का लक्ष्य रखते हैं जो अनुभवात्मक गुणवत्ता को प्रभावित न करें पर AI मॉडलों के उनसे सीखने में बाधा डालें। बड़े पैमाने पर इन टूल की व्यावहारिक प्रभावशीलता पर अभी बहस है, पर ये एक नया तकनीकी प्रतिकार दर्शाते हैं।

पारदर्शिता की माँग। Artist Rights Alliance और Future of Music Coalition सहित कई कलाकार वकालत संगठन प्रशिक्षण डेटा के अनिवार्य खुलासे के लिए दबाव डाल रहे हैं। उनके प्रस्तावों के तहत, व्यावसायिक रूप से बेचे जाने वाले किसी भी AI संगीत जनरेटर को प्रशिक्षण में इस्तेमाल हुए सभी संगीत का विस्तृत रिकॉर्ड रखना और प्रकाशित करना ज़रूरी होगा, जिससे अधिकार धारक यह सत्यापित कर सकें कि उनका काम शामिल था या नहीं और उचित उपाय आगे बढ़ा सकें।

सामूहिक लाइसेंसिंग बातचीत। कुछ संग्रह समितियाँ और कलाकार वकालत समूह व्यक्तिगत दावों के बजाय उद्योग-व्यापी लाइसेंसिंग ढाँचे पर बातचीत कर रहे हैं। तर्क व्यावहारिक है: भले ही AI कंपनियों को क़ानूनी रूप से प्रशिक्षण डेटा लाइसेंस करना ज़रूरी हो, व्यक्तिगत कलाकारों के पास सार्थक डील पर बातचीत करने के लिए संसाधन और प्रभाव नहीं होता। सामूहिक व्यवस्थाएँ — ASCAP और BMI जैसे परफ़ॉर्मेंस राइट्स संगठनों (PRO) के काम करने के तरीके जैसी — व्यापक कवरेज और राजस्व वितरण दे सकती हैं।

स्ट्रीमिंग प्लेटफ़ॉर्म का पहलू

स्ट्रीमिंग प्लेटफ़ॉर्म का AI संगीत के साथ जटिल रिश्ता है। एक तरफ़, स्ट्रीमिंग कैटलॉग में भरा AI-जनित संगीत इंसानी कलाकारों को मिलने वाली प्रति-स्ट्रीम रॉयल्टी घटाता है (क्योंकि कुल रॉयल्टी पूल सभी स्ट्रीम में बाँटा जाता है)। Spotify, Apple Music, और अन्य ने AI-जनित सामग्री के खुलासे की माँग करने वाली नीतियाँ लागू की हैं और, कुछ मामलों में, कुछ उच्च-दृश्यता प्लेसमेंट से AI-जनित संगीत को प्रतिबंधित किया है। दूसरी तरफ़, प्लेटफ़ॉर्म को बढ़ी हुई कैटलॉग मात्रा से फ़ायदा होता है।

रॉयल्टी घटाव की समस्या खासतौर पर गंभीर है। असीमित सामग्री बना सकने वाला AI जनरेटर, नकली कलाकार नामों के तहत लाखों ट्रैक में वितरित, सैद्धांतिक रूप से लगभग शून्य सीमांत लागत पर स्ट्रीमिंग रॉयल्टी का एक बड़ा हिस्सा हासिल कर सकता है। कई स्ट्रीमिंग प्लेटफ़ॉर्म ने समन्वित AI संगीत हेरफेर संचालन पहचानकर हटाए हैं — पर पहचान और हटाना प्रतिक्रियात्मक है और पैमाना संभालना कठिन है।

AI और कलाकार की पहचान

कई कलाकारों के लिए एक अलग और शायद ज़्यादा निजी चिंता AI वॉइस क्लोनिंग और शैली नकल है — विशिष्ट कलाकारों की "शैली में" या सीधे उनकी आवाज़ की नकल करने वाला संगीत जनरेट करने के लिए AI इस्तेमाल करना। जब कोई AI टूल ऐसा गाना जनरेट कर सके जो लगे कि किसी विशिष्ट कलाकार ने बनाया हो, तो उस कलाकार का ब्रांड, प्रतिष्ठा, और व्यावसायिक मूल्य प्रभावित होता है — भले ही कोई विशिष्ट रिकॉर्डिंग सीधे न दोहराई गई हो।

कई हाई-प्रोफ़ाइल मामलों ने इसे सार्वजनिक ध्यान में लाया है: दिवंगत कलाकारों के AI-जनित "नए ट्रैक", असली के रूप में फैले वॉइस-क्लोन कवर, और नकली कलाकार नामों के तहत जारी AI-जनित ट्रैक जो असली कलाकारों की पहचान की इतनी क़रीब से नकल करते थे कि फ़ैन भ्रमित हो जाएँ। प्रचार अधिकार कानून सहमति के बिना किसी कलाकार की आवाज़ और समानता के व्यावसायिक इस्तेमाल के खिलाफ़ कुछ सुरक्षा देता है, पर इंटरनेट पैमाने पर गुमनाम AI-जनित सामग्री के खिलाफ़ प्रवर्तन व्यावहारिक रूप से कठिन है।

सहमति और मुआवज़ा ढाँचा

जिस ढाँचे की ओर कलाकार वकालत करने वाले धकेल रहे हैं उसके तीन स्तंभ हैं: सहमति (कलाकारों को अपने संगीत को AI प्रशिक्षण में इस्तेमाल होने देने के लिए स्पष्ट रूप से सहमत होना ज़रूरी है), पारदर्शिता (प्रशिक्षण डेटा दस्तावेज़ित और उजागर होना ज़रूरी है), और मुआवज़ा (कलाकारों को प्रशिक्षण डेटा इस्तेमाल के लिए उचित भुगतान मिलना ज़रूरी है)। यह ढाँचा पहले से ही EU AI अधिनियम में आंशिक रूप से झलकता है और अमेरिका, UK, कनाडा, और ऑस्ट्रेलिया में सक्रिय विधायी प्रस्तावों का आधार है।

यह ढाँचा मुकदमेबाज़ी, विधान, या बातचीत से तय उद्योग मानकों के ज़रिए स्थापित होगा या नहीं — और किस समयरेखा पर — यह स्पष्ट नहीं। अदालती मामले जल्दी नहीं सुलझेंगे; बड़े कॉपीराइट मुकदमे आमतौर पर सालों लेते हैं। अमेरिका में विधान धीरे बढ़ा है। इस बीच, AI संगीत उद्योग काम करना जारी रखता है, कलाकार हर उपलब्ध ज़रिए से पीछे धकेलना जारी रखते हैं, और हर नए मॉडल संस्करण के साथ व्यावसायिक दांव बढ़ते हैं।

श्रोता क्या कर सकते हैं

संगीत उपभोक्ताओं के पास इस बहस में जितनी उन्हें लग सकता है, उससे ज़्यादा एजेंसी है। इंसानी कलाकारों को सुनने और समर्थन करने का चुनाव — उनका सत्यापित संगीत स्ट्रीम करके, लाइव प्रदर्शनों में शामिल होकर, और सीधे कलाकारों से खरीदकर — रॉयल्टी को इंसानी रचनाकारों तक पहुँचाए रखता है। AI-जनित संगीत पहचानना सीखना (SUS IT जैसे टूल इस्तेमाल करके, या हमारी पहचान गाइड में बताए संकेतों के लिए कान विकसित करके) और इंसान-निर्मित के रूप में धोखे से पैक किए गए AI संगीत से बचना संगीत में हम क्या महत्व देते हैं, इस बहस में सक्रिय भागीदारी का एक रूप है। संगीत उद्योग का भविष्य आंशिक रूप से इस बात से आकार लेगा कि दर्शक क्या पुरस्कृत करना चुनते हैं।