IA e música: quem possui uma canção que ninguém escreveu?
Sofia leva três meses para compor uma canção. Marco leva 30 segundos com o Suno para obter o mesmo resultado. Mas aquela canção é de quem? Enquanto as grandes g
Sofia é uma compositora independente. Passou quinze anos estudando harmonia, horas infinitas ao piano, noites sem sono para encontrar a melodia certa. Sua última canção levou três meses: escrita, reescrita, arranjo, produção. Ela a publicou no Spotify. Duzentas reproduções no primeiro mês.
Marco abriu o Suno. Escreveu um prompt: “Balada pop melancólica, voz feminina, tema de término amoroso, estilo Billie Eilish”. Trinta segundos depois: canção completa, produção profissional, voz emocional convincente. Ele a carregou no Spotify. Cinco mil reproduções no primeiro mês.
A canção de Marco soa quase idêntica à de Sofia. Mesmo clima, mesma estrutura, mesmo alvo emocional. Mas Marco não sabe tocar nenhum instrumento. Não estudou teoria musical. Não sabe o que é uma modulação em quarta. Só escreveu uma frase em inglês.
Quem é o autor da canção de Marco? Ele que escreveu o prompt? O Suno que treinou o algoritmo? Os artistas cujas músicas treinaram o modelo sem consentimento? A pergunta não é acadêmica. Está no centro de uma batalha legal de bilhões de dólares que está redefinindo o que significa criar, possuir e viver de música na era da inteligência artificial.
A explosão da música algorítmica
A IA musical não é mais experimentação de laboratório. É indústria ativa, em rápida expansão, com milhões de usuários. O Suno AI gerou mais de 10 milhões de canções em poucos meses. Udio, concorrente direto, números similares. O ChatGPT agora pode gerar música. O Stable Audio produz faixas personalizadas em segundos.
A tecnologia por trás é sofisticada mas conceitualmente simples: modelos generativos treinados em milhões de canções existentes. O algoritmo analisa padrões melódicos, harmônicos, tímbricos, estruturais. Aprende “como soa” uma balada pop, um blues, um jazz. Quando o usuário descreve o que quer, o modelo gera novo áudio sintetizando os padrões aprendidos.
Diferença crucial com a síntese musical tradicional: esses sistemas não usam sintetizadores ou samplers programados. Geram forma de onda de áudio diretamente, imitando o estilo, o timbre, até a voz humana com realismo inquietante. O resultado soa “feito por humano” porque foi treinado em música feita por humanos.
E é aqui que começam os problemas. Esses milhões de canções usadas para o treinamento? Não foram cedidas para esse fim. Os artistas não deram permissão. As gravadoras não licenciaram os direitos. Os compositores não foram compensados.
É o equivalente musical de fotografar todas as pinturas de um museu, analisá-las com IA, depois gerar “novas pinturas no estilo dos mestres” sem nunca pagar nem perguntar aos autores originais. Tecnicamente possível. Legalmente controverso. Eticamente devastador.
Como discutido no artigo sobre IA e direito autoral, quando o algoritmo gera a obra, as categorias tradicionais de autoria colapsam.
O caso RIAA vs Suno/Udio: a mãe de todas as batalhas
Junho de 2024: a Recording Industry Association of America (RIAA) processa Suno e Udio por violação massiva de copyright. As majors (Universal, Sony, Warner) unidas contra as startups de IA musical. Não é uma escaramuça legal de rotina. É uma batalha existencial pelo futuro da indústria.
As acusações são devastadoras:
1. Treinamento em milhões de faixas protegidas sem licença A RIAA afirma que Suno e Udio baixaram massivamente música protegida por direitos autorais – incluindo faixas do YouTube via “stream-ripping” – para treinar os modelos. Milhões de canções, de Taylor Swift aos Beatles, de Drake a Beyoncé, usadas sem permissão, sem compensação, sem nem avisar os autores.
Suno e Udio não negam ter usado música existente para o treinamento. Sustentam que é “fair use” – uso lícito para fins transformativos educacionais. Argumento jurídico complexo mas instável quando o resultado final é um produto comercial que compete diretamente com os originais.
2. Geração de outputs que violam copyright Não só o treinamento é problemático. Os outputs em si violam direitos. Testes conduzidos pela RIAA mostram que com os prompts certos, o Suno gera faixas quase idênticas a músicas famosas protegidas – mesmas melodias, mesmas progressões harmônicas, mesmos ganchos reconhecíveis.
Não “no estilo de” mas “cópia de”. É como se o algoritmo tivesse memorizado as faixas mais populares e as regurgitasse com variações mínimas. Violação direta de copyright, não controvérsia interpretativa.
3. Concorrência desleal com os catálogos existentes O Suno oferece assinatura de $10/mês para música ilimitada personalizada. O Spotify custa $10/mês para ouvir música existente. Mas a música do Spotify compensou autores, produtores, gravadoras. A música do Suno não.
É concorrência direta baseada em custos zerados por violação sistemática de direitos. Dumping econômico facilitado por furto intelectual industrial. Difícil competir quando o concorrente não paga a matéria-prima que você teve que comprar.
O Suno respondeu ao tribunal pedindo para rejeitar as acusações de “stream-ripping” como “gambit” estratégico das majors para proteger oligopólio. Sustenta que as gravadoras temem inovação, que a lei de copyright não se aplica ao treinamento automático, que a geração por IA é suficientemente transformativa para constituir nova obra.
Mas tribunais dos EUA começaram a rejeitar o argumento de fair use generalizado: o caso Thomson Reuters vs Ross (novembro de 2024) estabeleceu que “usar conteúdos protegidos para treinar IA sem permissão NÃO é fair use”. Precedente significativo que enfraquece a defesa legal das plataformas generativas.
A GEMA alemã também processou Suno e OpenAI por falta de remuneração de autores e letras usadas para treinar modelos. A batalha legal está se globalizando rapidamente.
Como evidenciado no artigo sobre IA e arte generativa ética, quando a tecnologia gera obras derivadas de treinamento em trabalho alheio não compensado, a questão ética precede a legal.
Quem é o autor quando o autor é um algoritmo?
Mas mesmo se resolvêssemos o problema do treinamento – imaginemos que todas as plataformas pagassem licenças pelos dados – restaria a questão filosófica profunda: quem possui a canção gerada?
Análise jurídica dos EUA enfrenta o problema: o Copyright Office americano requer “human authorship” – apenas seres humanos podem ser autores. A IA não pode possuir copyright. Mas isso cria situações absurdas:
Cenário 1: O usuário do prompt é autor Marco escreveu “balada pop melancólica”. É suficiente para autoria? Exerceu criatividade? Fez escolhas artísticas? Ou só deu instruções genéricas que qualquer usuário poderia ter dado?
Se o prompt constitui autoria, então quem escrever “pinte pôr do sol vermelho” no DALL-E se torna autor de obra pictórica. O limiar de criatividade se abaixa dramaticamente. O copyright se torna automático, trivial, inflacionado.
Cenário 2: A empresa que desenvolveu o modelo é autora O Suno programou o algoritmo, coletou os dados, treinou o modelo. É trabalho intelectual significativo. Talvez o Suno devesse possuir copyright sobre tudo o que o sistema gera?
Mas então o Suno possui milhões de canções geradas por usuários desavisados. Concentração de poder intelectual monstruosa nas mãos de uma única corporação tech. Monopólio criativo algorítmico.
Cenário 3: Os artistas que forneceram dados de treinamento são co-autores Os modelos não criam do nada. Sintetizam padrões aprendidos de música existente. Essa música é o trabalho de milhares de músicos humanos. De certo modo, cada output é obra derivada coletiva de todos os inputs de treinamento.
Deveriam receber compensação, crédito, direitos? Como calcular contribuição individual quando o algoritmo misturou milhões de canções? Como distribuir royalties quando o modelo “aprendeu” com Beatles, Beyoncé, e Sofia compositora independente com 200 reproduções?
Cenário 4: Ninguém é autor – domínio público automático Se não há human authorship claramente identificável, a obra gerada não é coberta por copyright. Entra automaticamente em domínio público. Qualquer um pode usá-la, modificá-la, revendê-la.
Cenário interessante para commons criativos mas devastador para quem quisesse monetizar. Marco não poderia proteger “sua” canção de usos comerciais não autorizados. Mas Sofia também não pode proteger a dela – se Marco copia a melodia gerando-a com Suno, é tecnicamente domínio público?
Tese europeia aborda problemas de propriedade intelectual na indústria musical: quadro normativo da UE ainda mais fragmentado que o dos EUA. Alguns estados-membros reconhecem direitos em “computer-generated works” para quem fez os “necessary arrangements”. Outros não. Incerteza legal paralisante.
Como discutido no artigo sobre IA e seguros, quando algoritmos tomam decisões que impactam direitos individuais, é necessário um framework legal claro. Em música, esse framework ainda não existe.
A ética do treinamento: consentimento, compensação, controle
Mas deixemos de lado a complexidade jurídica da autoria. Voltemos à questão mais imediata: é ético treinar modelos em trabalho alheio sem permissão nem compensação?
Mais de 10.000 profissionais musicais assinaram um apelo contra o uso não licenciado de obras para treinar modelos generativos. A posição é clara: treinamento em copyright sem consentimento explícito é furto intelectual industrial mascarado de inovação tecnológica.
Argumentos principais:
1. Violação do direito moral do autor Mesmo se legalmente discutível, o uso de obra de arte sem informar o autor viola o direito moral (reconhecido em muitas jurisdições europeias) de controlar como a própria obra é usada. Sofia merece saber que sua música está treinando um concorrente direto.
2. Exploração econômica não compensada As plataformas de IA constroem modelos de negócio multibilionários em trabalho criativo alheio. O Suno levantou dezenas de milhões em investimentos de venture capital. Valerá centenas de milhões. Tudo baseado em datasets musicais coletados sem pagar um centavo aos autores originais.
É como construir um império imobiliário em terrenos expropriados sem compensação. Tecnicamente você poderia sustentar que “transformou” os terrenos construindo edifícios. Mas ainda é expropriação.
3. Criação de substitutos que erodem o mercado dos originais A IA musical não cria uma “nova categoria” que expande o mercado. Cria substitutos econômicos diretos que competem com artistas humanos pelos mesmos dólares dos mesmos consumidores.
Marco gera “balada melancólica” com Suno em vez de ouvir Sofia no Spotify. Sofia perde streams, perde royalties, perde visibilidade algorítmica. A IA não ampliou o mercado musical. Redistribuiu quotas de mercado existentes de humanos para algoritmos.
Estudo econômico global da CISAC documenta o impacto: a IA generativa representa risco existencial para a renda de autores e compositores. Desequilíbrio de valor catastrófico entre tech companies e criativos humanos.
4. Ausência de opt-out significativo Artistas não podem facilmente impedir que sua música seja incluída em datasets de treinamento. Plataformas de streaming vendem acesso a corretores de dados. Uma vez online, a música é potencialmente “scrapável”. Não existe mecanismo técnico robusto para sinalizar “não use isto para treinar IA”.
Mesmo quando existem opt-outs nominais, são escondidos, complexos, ineficazes. É ônus sobre o artista proteger seus direitos em vez de ônus sobre as plataformas respeitarem direitos por padrão.
Playbook ético da indústria musical propõe padrões emergentes: licenças explícitas, direitos de nome/imagem/voz, contratos específicos para uso de catálogos em treinamento. Warner, Universal estão negociando acordos seletivos com algumas plataformas de IA.
Mas são majors com poder contratual. Sofia compositora independente não tem leverage para negociar com o Suno. Ou aceita que sua música seja usada (sem compensação, sem controle) ou não publica de forma alguma. Escolha impossível na era digital.
Como evidenciado no artigo sobre IA e ensino de línguas, quando a tecnologia “personaliza” usando dados de usuários sem consentimento explícito, é necessária transparência e controle individual.
Propostas de solução: AI-royalty fund e novos direitos
Se o problema é claro – exploração não compensada de criatividade humana para treinar substitutos algorítmicos – quais soluções são possíveis?