Como músicos estão reagindo contra o roubo de música por IA

Quando Suno e Udio lançaram seus geradores de música por IA para o público em 2024, abriram um produto de consumo construído sobre uma base que a indústria da música identificou imediatamente como profundamente problemática: dados de treinamento que quase certamente incluíam gravações protegidas por direitos autorais, coletadas sem licenciamento, consentimento ou compensação. Dois anos depois, as batalhas jurídicas estão a todo vapor, novas ferramentas técnicas estão sendo usadas por artistas para proteger seu trabalho, e um acerto de contas mais amplo sobre quem se beneficia de IA treinada em criatividade humana está remodelando a indústria da música. Eis onde as coisas estão.

O problema dos dados de treinamento

Geradores de música por IA são treinados em vastos conjuntos de dados de áudio. A qualidade da saída de um gerador depende muito da qualidade e do volume dos seus dados de treinamento — o que significa que os melhores resultados vêm de modelos treinados nas melhores gravações profissionais. Essas gravações têm direitos autorais. O argumento jurídico central de artistas e gravadoras é direto: usar música protegida para treinar um produto comercial de IA sem licenciamento ou consentimento é infração de direitos autorais, independentemente de as saídas do modelo reproduzirem diretamente aquelas gravações.

O contra-argumento das empresas de IA tem sido “uso transformativo” — alegando que o treinamento é análogo a um músico humano ouvindo e aprendendo com música, e que as saídas da IA são obras transformativas, não reproduções dos dados de treinamento. Tribunais estão analisando esse argumento agora, e os resultados vão definir a lei de música e IA no futuro previsível.

Os processos judiciais

A Recording Industry Association of America (RIAA) processou Suno e Udio em junho de 2024, representando Universal Music Group, Sony Music e Warner Music Group — uma coalizão que cobre a vasta maioria da música gravada comercialmente relevante. Os processos alegam infração de direitos autorais pelo uso de gravações protegidas nos dados de treinamento e buscam indenizações estatutárias que, se aplicadas em toda a escala da suposta infração, poderiam chegar a bilhões de dólares.

Em paralelo, artistas individuais entraram ou se juntaram a ações coletivas. Isso inclui artistas gravados de destaque que alegam não só infração de direitos autorais no treinamento, mas reivindicações adicionais: direito de imagem (voz e estilo sendo comercializados sem consentimento); trade dress (música de IA imitando seu som reconhecível); e concorrência desleal. As ações coletivas agregam as reivindicações de muitos artistas cujo trabalho foi usado nos dados de treinamento, aumentando os danos potenciais e o alcance do desafio jurídico.

Fora dos EUA, o AI Act da União Europeia cria exigências explícitas de transparência sobre dados de treinamento e estabelece o direito de detentores de direitos de recusar que seu trabalho seja usado em treinamento de IA. Vários artistas europeus e sociedades de gestão coletiva já moveram ações com base nesse marco.

O que os artistas estão fazendo na prática

Além dos tribunais, artistas estão adotando várias estratégias práticas.

Recusar participação em conjuntos de treinamento. Várias empresas de IA implementaram mecanismos de opt-out que permitem a detentores de direitos pedir que seu trabalho não seja usado em treinamentos futuros. As limitações práticas são significativas: o opt-out é prospectivo, não retroativo (não afeta modelos já treinados com a obra); exige que o detentor identifique especificamente sua obra; e a conformidade é voluntária e não verificável. Muitos artistas consideram o opt-out inadequado, já que o treinamento inicial aconteceu sem consentimento.

Usar ferramentas de “envenenamento”. Pesquisadores da Universidade de Chicago desenvolveram uma ferramenta chamada Nightshade que modifica imagens sutilmente, de formas invisíveis ao olho humano, mas que corrompem o treinamento de IA — fazendo modelos treinados com imagens envenenadas produzirem saídas degradadas e incorretas. Ferramentas parecidas estão sendo desenvolvidas para áudio. AudioShield e projetos similares buscam modificar as propriedades espectrais de gravações lançadas de formas que não afetam a qualidade perceptível, mas interferem em como modelos de IA conseguem aprender com elas. A eficácia prática dessas ferramentas em escala ainda é debatida, mas representam uma contramedida técnica inédita.

Exigir transparência. Várias organizações de defesa de artistas — incluindo a Artist Rights Alliance e a Future of Music Coalition — estão pressionando por divulgação obrigatória dos dados de treinamento. Sob suas propostas, qualquer gerador de música por IA vendido comercialmente seria obrigado a manter e publicar um registro detalhado de toda a música usada no treinamento, permitindo que detentores de direitos verifiquem se seu trabalho foi incluído e busquem as reparações adequadas.

Negociações de licenciamento coletivo. Algumas sociedades de gestão coletiva e grupos de defesa de artistas estão negociando marcos de licenciamento para todo o setor, em vez de buscar reivindicações individuais. A lógica é pragmática: mesmo que empresas de IA sejam legalmente obrigadas a licenciar dados de treinamento, artistas individuais não têm recursos nem poder de barganha para negociar acordos significativos. Arranjos coletivos — parecidos com o funcionamento de organizações de direitos de execução (PROs) como ASCAP e BMI — poderiam oferecer cobertura mais ampla e distribuição de receita.

O ângulo das plataformas de streaming

Plataformas de streaming têm relação complicada com música de IA. Por um lado, música gerada por IA inundando catálogos de streaming dilui os royalties por stream pagos a artistas humanos (já que os pools totais de royalties são divididos entre todos os streams). Spotify, Apple Music e outras implementaram políticas exigindo divulgação de conteúdo gerado por IA e, em alguns casos, restringindo música de IA de certos posicionamentos de alta visibilidade. Por outro lado, as plataformas se beneficiam do aumento no volume de catálogo.

O problema de diluição de royalties é particularmente agudo. Um gerador de IA que produz conteúdo ilimitado, distribuído em milhões de faixas sob nomes falsos de artista, pode teoricamente capturar uma parcela significativa dos royalties de streaming a custo marginal quase zero. Várias plataformas de streaming já identificaram e removeram operações coordenadas de manipulação com música de IA — mas a detecção e a remoção são reativas, e a escala é difícil de gerenciar.

IA e a identidade do artista

Uma preocupação separada e, para muitos artistas, arguivelmente mais pessoal é a clonagem de voz por IA e a imitação de estilo — usar IA para gerar música “ao estilo de” ou imitar diretamente a voz de artistas específicos. Quando uma ferramenta de IA consegue gerar uma música que soa como se pudesse ter sido feita por um artista específico, a marca, a reputação e o valor comercial daquele artista são afetados — mesmo que nenhuma gravação específica tenha sido diretamente reproduzida.

Vários casos de grande repercussão trouxeram isso à atenção do público: “novas faixas” geradas por IA de artistas falecidos, covers com voz clonada que circularam como genuínos, e faixas geradas por IA lançadas sob nomes falsos de artista que imitavam a identidade de artistas reais o suficiente para confundir fãs. A lei de direito de imagem oferece alguma proteção contra o uso comercial da voz e da semelhança de um artista sem consentimento, mas fazer valer isso contra conteúdo anônimo gerado por IA em escala de internet é praticamente difícil.

O marco de consentimento e compensação

O marco que defensores dos artistas estão buscando tem três pilares: consentimento (artistas devem concordar afirmativamente que sua música seja usada em treinamento de IA), transparência (dados de treinamento devem ser documentados e divulgados) e compensação (artistas devem receber pagamento justo pelo uso de seus dados em treinamento). Esse marco já está parcialmente refletido no AI Act da UE e é a base de propostas legislativas ativas nos EUA, Reino Unido, Canadá e Austrália.

Se esse marco vai se estabelecer por litígio, legislação ou padrões negociados do setor — e em qual prazo — ainda não está claro. Os processos judiciais não vão se resolver rápido; grandes litígios de direitos autorais costumam levar anos. A legislação nos EUA tem avançado devagar. Nesse meio-tempo, a indústria de música por IA continua operando, os artistas continuam reagindo por todos os canais disponíveis, e os interesses comerciais crescem a cada nova versão de modelo.

O que os ouvintes podem fazer

Consumidores de música têm mais poder de ação neste debate do que talvez pensem. Escolher ouvir e apoiar artistas humanos — transmitindo sua música verificada, indo a shows ao vivo e comprando diretamente dos artistas — mantém os royalties fluindo para criadores humanos. Aprender a identificar música gerada por IA (usando ferramentas como a SUS IT, ou desenvolvendo o ouvido para os indícios descritos no nosso guia de detecção) e evitar música de IA embalada de forma enganosa como se fosse feita por humano é uma forma de participação ativa no debate sobre o que valorizamos na música. O futuro da indústria da música será moldado, em parte, pelo que o público escolher recompensar.