慕尼黑法院裁定Suno侵犯音乐版权
The Decoder··作者 Matthias Bastian
关键信息
法院表示，六首知名歌曲可在 Suno 的 3.5 和 4 版本模型中被复现；GEMA 的测试提示词只是输入了歌曲歌词、风格和标题等简单开放式内容。法院还驳回了 Suno 关于德国文本与数据挖掘例外和美国合理使用保护的主张，并指出该裁决目前尚未终局。
资讯摘要
慕尼黑法院裁定，Suno 这款 AI 音乐生成器在训练过程和生成结果中都侵犯了版权。该案由德国音乐权利组织 GEMA 提起，GEMA 请求禁令、信息披露和赔偿，并且在大多数诉求上胜诉。案件围绕六首知名作品展开，其中包括 Kristina Bach 的《Atemlos durch die Nacht》以及 Frank Farian、Fred Jay 和 George Reyam 的《Rasputin》；法院明确指出，本案只涉及音乐作品本身，不涉及歌词。法院认定，这六首歌曲都可以在 Suno 的 3.5 和 4 版本模型中被复现，并将这种现象称为“记忆化”。
在测试中，GEMA 只输入了原始歌词、风格和标题，并没有指定旋律、和声、节奏或编曲，但 Suno 仍生成了法院认为能够识别出原作元素的结果。法院认为，考虑到这些歌曲的长度和复杂性，这不太可能只是巧合。法院还认定，侵权输出的责任应由 Suno 承担，而不是输入提示词的用户，因为 Suno 自己选择了训练数据、设计了模型架构并运营系统。法院同时驳回了 Suno 关于德国文本与数据挖掘例外的抗辩，并认为其所主张的美国合理使用也不适用于法院审查的训练行为，因此这项判决如果在上诉中维持，可能会成为 AI 音乐工具的重要先例。
资讯正文
德国法院裁定 AI 音乐生成器 Suno 侵犯版权，驳回合理使用抗辩
要点
- 慕尼黑一家法院裁定，AI 音乐生成器 Suno 在训练过程中使用知名音乐作品，侵犯了版权；这一裁决源于德国音乐权利组织 GEMA 提起的诉讼。
- 法院认为，Suno 的 AI 模型实际上已经“记住”了歌曲内容，并且在接到提示时会复现源材料中的原创元素，这构成版权侵权。
- 法院明确将侵权输出的责任归于 Suno，而不是其用户，因为该公司决定使用哪些训练数据以及如何构建模型。
慕尼黑一家法院裁定，AI 音乐生成器 Suno 在其训练过程和输出结果中都侵犯了版权。法院还适用了美国法律，并驳回了 Suno 的合理使用抗辩。
德国音乐权利组织 GEMA 提起诉讼，要求禁令、信息披露和损害赔偿，并在大多数指控上胜诉。此案围绕六首知名歌曲展开，包括 Kristina Bach 的《Atemlos durch die Nacht》以及 Frank Farian、Fred Jay 和 George Reyam 的《Rasputin》。争议仅涉及音乐作品本身，不包括歌词。
法院称“记忆”确实存在
法院认定，Suno 3.5 和 4 版模型中都可重复生成这六首曲目。在 AI 研究中，这一现象被称为“记忆”：在训练过程中，模型不仅可能学习一般模式，还可能保存训练数据中的具体内容，之后又能将其作为输出重新提取出来。
Suno 认为，其模型并不存储歌曲，只是存储“通过数学学习得到的模式和泛化特征”。该公司称，输出中的任何相似之处都源于用户提示和统计相关性。
在测试中，GEMA 将每首歌的原始歌词、音乐风格和标题输入 Suno 的生成器，并未对旋律、和声、节奏或编曲作出任何规定。尽管如此，Suno 仍生成了法院认定包含源曲目原创元素的结果。鉴于这些歌曲本身的复杂性和长度，法院排除了偶然巧合的可能。
责任在 Suno，而不在用户
法院明确认定，侵权输出的责任应由 Suno 承担，而不是输入提示词的用户。Suno 曾辩称，用户的刻意输入切断了模型与输出之间的因果链。
法院不同意这一说法。法院认为，这些提示词“简单且开放式”，而且 Suno 运营这些模型，选择了这些歌曲作为训练数据，并对架构和记忆现象负责。这意味着，这些模型在实质上“决定了”输出结果。法院表示，仅仅提供该生成器用于音乐创作本身就已构成法律违规。如果这一观点在上诉中被维持，可能也会影响其他 AI 音乐服务。
Suno 还援引了德国关于文本与数据挖掘的例外规定，该规定在特定条件下允许对内容进行自动化分析。法院裁定，这一例外并不涵盖其所发现的“记忆”行为。
美国合理使用原则同样不能保护 Suno。
根据一项适用于集体管理组织的特别规则，法院还主张对基于发生在美国的训练活动所提出的索赔拥有管辖权。法院对这些行为适用美国法律，并认定合理使用（fair use）同样不能保护 Suno。
法院将本案与美国的两起诉讼 Bartz 和 Kadrey 区分开来。在那两起案件中，美国法院都将 AI 训练视为变革性使用，因此构成合理使用。慕尼黑法院认为，关键区别在于，在那些诉讼中，训练数据“并未，或并未实质上，在输出结果中向用户提供”。而在 Suno 案中，简单的输入就产生了与原作“实质相似”的结果。法院认为，美国最高法院在其 Warhol 判决中列出的合理使用测试的各项因素都对 Suno 不利。该裁决目前尚未最终生效。
关键问题仍未得到解答
与美国案件的区分听起来比实际情况更为宽泛。慕尼黑法院并不是说音乐模型会记住作品，而文本模型不会。它只是指出，在 Suno 案中，复制已经得到具体证明，而在其他诉讼中并非如此。
但研究已经在图书领域证实了同样的效应，这表明“记忆化”并非音乐所独有。某个作品能否轻易从 AI 模型中被提取，可能取决于它在训练数据中出现的频率，以及提示词有多么有针对性。像《Atemlos durch die Nacht》或《Rasputin》这样的热门作品在互联网上随处可见，因此更可能被模型记住。研究人员还能够从语言模型中提取出《哈利·波特》这类知名书籍，结果与原文高度相似，几乎未作改动。
慕尼黑法院将 GEMA 的提示词描述为“简单且开放式”的说法，尤其显得站不住脚。GEMA 输入了完整歌词、音乐风格和标题。它没有具体说明音乐元素，但所希望生成的歌曲身份已经相当明确。普通用户使用 AI 生成器创作原创音乐时，几乎肯定不会这样提示。
在纽约时报与 OpenAI 的版权诉讼中，这一点是争议焦点：旨在复现受保护内容的定向提示词，究竟反映了 AI 系统的正常使用，还是代表一种特殊情形。简而言之，当系统吐出原作时，这到底是 bug，还是 feature？
Suno 据称绕过了 YouTube 的保护措施
没有人会用音乐生成器去复刻一首已经存在的歌曲，因此围绕输出相似性的全部关注，最终可能会走进死胡同。更相关的问题是，Suno 是否一开始就被允许在未经同意的情况下使用这些受版权保护的材料进行训练。
法院的说明中在这一点上有一个有趣的细节。据法院新闻稿称，Suno 使用了“流媒体抓取（stream-ripping）技术”从 YouTube 中提取音乐，并绕过了 YouTube 的“Rolling Cipher”——这是一项旨在防止下载音频和视频内容的技术保护措施。
这引出了一个超越本案本身的问题：规避技术保护措施本身是否就已经构成盗版，而不论之后对数据会发生什么。迄今为止，美国法院在这一点上的立场很明确：合理使用原则可能适用于 AI 训练，但如果其基础是盗版材料，则不适用。
来源与参考
收录于 2026-08-02