Hoe muzikanten terugvechten tegen AI-muziekdiefstal

Toen Suno en Udio in 2024 hun AI-muziekgeneratoren openbaar lanceerden, brachten ze een consumentenproduct uit dat was gebouwd op een fundament dat de muziekindustrie meteen als diepgaand problematisch bestempelde: trainingsdata die vrijwel zeker auteursrechtelijk beschermde opnamen bevatte, verzameld zonder licentie, toestemming of vergoeding. Twee jaar later zijn de juridische gevechten in volle gang, zetten artiesten nieuwe technische middelen in om hun werk te beschermen, en zorgt een bredere afrekening over wie profiteert van AI die is getraind op menselijke creativiteit voor een herschikking van de muziekindustrie. Dit is de huidige stand van zaken.

Het probleem van de trainingsdata

AI-muziekgeneratoren worden getraind op enorme datasets van audio. De kwaliteit van de output van een generator hangt sterk af van de kwaliteit en omvang van de trainingsdata – wat betekent dat de beste output komt van modellen die zijn getraind op de beste professionele opnamen. Die opnamen zijn auteursrechtelijk beschermd. Het kernargument van artiesten en platenmaatschappijen is eenvoudig: het gebruiken van auteursrechtelijk beschermde muziek om een commercieel AI-product te trainen zonder licentie of toestemming is inbreuk op het auteursrecht, ongeacht of de output van het model die opnamen rechtstreeks reproduceert.

Het tegenargument van AI-bedrijven is 'transformatief gebruik' – het argument dat training vergelijkbaar is met een menselijke muzikant die naar muziek luistert en ervan leert, en dat de output van de AI transformatieve werken zijn in plaats van reproducties van de trainingsdata. Rechtbanken buigen zich momenteel over dit argument, en de uitkomsten zullen de AI-muziekwetgeving voor de nabije toekomst bepalen.

De rechtszaken

De Recording Industry Association of America (RIAA) spande in juni 2024 een rechtszaak aan tegen Suno en Udio, namens Universal Music Group, Sony Music en Warner Music Group – een coalitie die het overgrote deel van commercieel relevante opgenomen muziek vertegenwoordigt. De zaken stellen dat er sprake is van inbreuk op het auteursrecht door het gebruik van auteursrechtelijk beschermde opnamen in de trainingsdata, en eisen wettelijke schadevergoedingen die, toegepast op de volledige omvang van de vermeende inbreuk, kunnen oplopen tot miljarden dollars.

Tegelijkertijd hebben individuele artiesten collectieve rechtszaken aangespannen of zich daarbij aangesloten. Hiertoe behoren bekende artiesten die niet alleen inbreuk op het auteursrecht bij training aanvoeren, maar ook aanvullende claims: het 'right of publicity' (hun stem en stijl worden zonder toestemming commercieel geëxploiteerd); trade dress (door AI gegenereerde muziek die hun herkenbare geluid nabootst); en oneerlijke concurrentie. De collectieve rechtszaken bundelen de claims van veel artiesten van wie het werk in de trainingsdata is gebruikt, wat de potentiële schadevergoeding en de reikwijdte van de juridische uitdaging vergroot.

Buiten de VS stelt de AI Act van de EU expliciete eisen aan transparantie over trainingsdata en geeft rechthebbenden het recht om zich af te melden voor het gebruik van hun werk in AI-training. Verschillende Europese artiesten en collectieve beheersorganisaties hebben op basis van dit kader al actie ondernomen.

Wat artiesten in de praktijk doen

Naast de rechtszaal zetten artiesten verschillende praktische strategieën in.

Zich afmelden voor trainingsdatasets. Verschillende AI-bedrijven hebben opt-outmechanismen ingevoerd waarmee rechthebbenden kunnen verzoeken dat hun werk niet wordt gebruikt in toekomstige training. De praktische beperkingen zijn aanzienlijk: opt-outs werken alleen vooruit, niet met terugwerkende kracht (ze hebben geen effect op modellen die al op het werk zijn getraind); de rechthebbende moet zijn werk specifiek identificeren; en naleving is vrijwillig en niet te verifiëren. Veel artiesten vinden opt-outs onvoldoende, aangezien de oorspronkelijke training al zonder toestemming plaatsvond.

Het gebruik van 'vergiftigings'-tools. Onderzoekers van de University of Chicago ontwikkelden een tool genaamd Nightshade, die afbeeldingen op subtiele, voor het menselijk oog onzichtbare manieren aanpast, maar die AI-training verstoort – waardoor modellen die op vergiftigde afbeeldingen zijn getraind, gedegradeerde, onjuiste output produceren. Vergelijkbare tools worden ontwikkeld voor audio. AudioShield en soortgelijke projecten proberen de spectrale eigenschappen van uitgebrachte opnamen zo aan te passen dat de waargenomen kwaliteit niet wordt aangetast, maar het leervermogen van AI-modellen wel wordt verstoord. De praktische effectiviteit van deze tools op grote schaal blijft omstreden, maar ze vormen een nieuwe technische tegenmaatregel.

Transparantie eisen. Verschillende belangenorganisaties voor artiesten – waaronder de Artist Rights Alliance en de Future of Music Coalition – dringen aan op verplichte openbaarmaking van trainingsdata. Volgens hun voorstellen zou elke commercieel verkochte AI-muziekgenerator verplicht worden om een gedetailleerd overzicht bij te houden en te publiceren van alle muziek die in de training is gebruikt, zodat rechthebbenden kunnen verifiëren of hun werk is gebruikt en passende stappen kunnen ondernemen.

Onderhandelingen over collectieve licenties. Sommige collectieve beheersorganisaties en belangenorganisaties voor artiesten onderhandelen over brancheoverkoepelende licentiekaders in plaats van individuele claims na te streven. De logica hierachter is pragmatisch: zelfs als AI-bedrijven wettelijk verplicht worden trainingsdata te licentiëren, missen individuele artiesten de middelen en onderhandelingspositie om zinvolle deals te sluiten. Collectieve regelingen – vergelijkbaar met hoe organisaties voor uitvoeringsrechten (PRO's) zoals ASCAP en BMI werken – zouden bredere dekking en een eerlijkere verdeling van inkomsten kunnen bieden.

Het perspectief van de streamingplatforms

Streamingplatforms hebben een ingewikkelde relatie met AI-muziek. Enerzijds verwatert de stortvloed aan door AI gegenereerde muziek in streamingcatalogi de royalty's per stream die aan menselijke artiesten worden uitbetaald (omdat de totale royaltypot wordt verdeeld over alle streams). Spotify, Apple Music en anderen hebben beleid ingevoerd dat openbaarmaking van door AI gegenereerde content vereist en, in sommige gevallen, AI-muziek uitsluit van bepaalde zichtbare plaatsingen. Anderzijds profiteren platforms van een grotere catalogusomvang.

Het probleem van royaltyverwatering is bijzonder acuut. Een AI-generator die onbeperkt content kan produceren, verspreid over miljoenen tracks onder valse artiestennamen, kan in theorie een aanzienlijk deel van de streamingroyalty's naar zich toe trekken tegen bijna nul marginale kosten. Verschillende streamingplatforms hebben gecoördineerde manipulatieoperaties met AI-muziek geïdentificeerd en verwijderd – maar detectie en verwijdering zijn reactief, en de schaal is lastig te beheersen.

AI en artiestenidentiteit

Een aparte, en voor veel artiesten wellicht persoonlijkere zorg is AI-stemklonen en stijlimitatie – het gebruiken van AI om muziek te genereren 'in de stijl van' of die de stem van specifieke artiesten direct nabootst. Wanneer een AI-tool een nummer kan genereren dat klinkt alsof het door een specifieke artiest gemaakt had kunnen zijn, worden het merk, de reputatie en de commerciële waarde van die artiest aangetast – zelfs als er geen specifieke opname direct is gereproduceerd.

Verschillende geruchtmakende zaken hebben dit onder de publieke aandacht gebracht: door AI gegenereerde 'nieuwe nummers' van overleden artiesten, met een gekloonde stem ingezongen covers die als authentiek circuleerden, en door AI gegenereerde tracks die onder valse artiestennamen werden uitgebracht en de identiteit van echte artiesten zo dicht benaderden dat fans in verwarring raakten. Het 'right of publicity' biedt enige bescherming tegen commercieel gebruik van de stem en gelijkenis van een artiest zonder toestemming, maar handhaving tegen anonieme, door AI gegenereerde content op internetschaal is in de praktijk lastig.

Het kader van toestemming en compensatie

Het kader waar belangenbehartigers van artiesten naartoe werken, rust op drie pijlers: toestemming (artiesten moeten uitdrukkelijk instemmen met het gebruik van hun muziek in AI-training), transparantie (trainingsdata moet worden gedocumenteerd en openbaar gemaakt), en compensatie (artiesten moeten een eerlijke vergoeding ontvangen voor het gebruik van hun werk als trainingsdata). Dit kader is al gedeeltelijk terug te zien in de AI Act van de EU en vormt de basis voor actieve wetsvoorstellen in de VS, het VK, Canada en Australië.

Of dit kader tot stand zal komen via rechtszaken, wetgeving of onderhandelde brancheafspraken – en op welke termijn – is onduidelijk. De rechtszaken zullen niet snel worden afgerond; grote auteursrechtzaken duren doorgaans jaren. Wetgeving in de VS komt langzaam op gang. In de tussentijd blijft de AI-muziekindustrie actief, blijven artiesten via elk beschikbaar kanaal terugvechten, en groeit het commerciële belang met elke nieuwe modeliteratie.

Wat luisteraars kunnen doen

Muziekconsumenten hebben meer invloed op dit debat dan ze wellicht denken. Door bewust te kiezen voor het luisteren naar en steunen van menselijke artiesten – door hun geverifieerde muziek te streamen, live optredens bij te wonen en rechtstreeks bij artiesten te kopen – blijven royalty's naar menselijke makers stromen. Leren om door AI gegenereerde muziek te herkennen (met tools zoals SUS IT, of door het gehoor te ontwikkelen voor de signalen die in onze detectiegids worden beschreven) en het vermijden van AI-muziek die misleidend wordt gepresenteerd als door mensen gemaakt, is een vorm van actieve deelname aan het debat over wat we waarderen in muziek. De toekomst van de muziekindustrie zal deels worden bepaald door wat luisteraars kiezen te belonen.