《大西洋月刊》上線 AI 音樂訓練庫檢索工具：含千萬級曲目

很多音樂人一直懷疑自己的作品早被喂進了大模型，但苦於沒有真憑實據。現在，有人把底牌直接掀開了。

《The Atlantic》記者 Alex Reisner 最近挖出了四個常被用來訓練 AI 模型的音樂資料集，並順手做成了一個公開資料庫，放在他們的 AI Watchdog 網站上。任何人只要輸入名字，就能查查自己的歌有沒有中招。

兩千多萬首歌，都有誰被抓去練模型了？

這四個資料集的體量相當驚人。其中最大的兩個，曲目數量分別達到了 1200 萬首和 900 萬首。另外兩個雖然小一些，但也各有超過 10 萬首歌。

根據 Reisner 的調查，這些資料集已經被下載了數千次。外人很難摸清究竟有多少團隊暗中使用過，但 Google 和 Stability 已經在各自的研究論文中白紙黑字地承認，他們確實用了這些資料。

資料集裡的藝人名單跨度極大。既有 Lady Gaga、Bruce Springsteen 這樣的流行巨星，也有 Fred Again..、Aphex Twin、Wu-Tang Clan，甚至連搖滾老炮 Radiohead 和實驗音樂人 Hainbach 也赫然在列。

資料來源也很有意思。比如其中包含來自 Free Music Archive 的音訊，平臺原本只允許個人免費收聽，拿去做商業用途必須單獨獲得授權，但顯然沒人在意這條規則。

連結發給你，怎麼偷由你自己搞定

很多人以為做 AI 訓練就是下個幾百 GB 的壓縮包，但現實裡這幫人的操作手法要隱蔽得多。

Reisner 發現，其中有三個資料集壓根不直接提供音訊檔案，而是一長串指向 YouTube 或 Spotify 的歌曲連結。

資料集的製作者把髒活甩給了開發者。AI 團隊拿到連結後，會用自動化指令碼批次抓取實際音訊。

這些抓取工具專門設計了繞過登入介面的機制，還能順便遮蔽掉廣告。這樣一來，平臺無法統計流量，原本該給音樂人的分成和訂閱轉化自然全被蒸發了。

說白了，這種自動化工具從誕生那一刻起，就赤裸裸地違反了 YouTube 和 Spotify 的服務條款。

為什麼重要

對音樂人和版權方來說，這個可搜尋資料庫是個極為實用的維權武器。以前音樂行業抗議 AI 侵權，大多停留在口頭抗議或者宏觀指責；現在創作者只要上去一搜，就能拿到自己的歌在何時、被哪些開源或商業模型用過的直接線索，維權成本大幅降低。

對 AI 行業而言，這狠狠揭穿了某些團隊試圖自保的掩耳盜鈴手法。很多開發者以為只要資料集只提供連結、不直接存盜版 MP3 就能規避版權責任，但現在被擺到陽光下，這種推脫顯然站不住腳。

我們認為，Google 和 Stability 在論文裡明確引用這些資料集，給整個行業留下了巨大的法律隱患。既然連行業頭部都在用違反平臺規則抓來的資料做研究，接下來唱片巨頭和流媒體平臺的法務團隊，恐怕很快就會帶著傳票找上門來。