Uma editora musical transformou os acordos de licenciamento da Suno em prova

A Reservoir Media protocolou em 21 de outubro duas ações por violação de direitos autorais, uma contra a Suno e outra contra a Anthropic, no Distrito Norte da Califórnia. Juntas, elas pedem cerca de US$ 337 milhões.
A ação contra a Suno é a que o setor musical vai ler com atenção, e tem uma frase que será citada por um bom tempo: o modelo da Suno, segundo o documento, era “violar agora, faturar bilhões por ser o primeiro a se mover e tentar um acordo barato depois”.
Isso é retórica. O argumento jurídico por baixo é bem mais interessante, e vale muito além da música.
A aritmética, já que é precisa
A Reservoir, sua subsidiária britânica e a Shapiro, Bernstein & Co. alegam que a Suno copiou 1.050 composições para treinar seus modelos. Entre as obras citadas estão “Both Sides Now”, de Joni Mitchell, “Ring of Fire”, de Johnny Cash, “Papa Don't Preach”, de Madonna, “Bring Me to Life”, do Evanescence, e “So What”, de Miles Davis.
O dinheiro se divide em três pedidos. Os danos estatutários, no teto de US$ 150 mil por obra infringida de forma intencional, somam US$ 157,5 milhões. Depois vêm dois pedidos com base no Digital Millennium Copyright Act: US$ 2,625 milhões por supostamente burlar controles de acesso e US$ 26,25 milhões por supostamente remover informações de gestão de direitos autorais. Total pedido: pouco mais de US$ 186 milhões.
A ação contra a Anthropic, protocolada no mesmo dia, aplica o mesmo roteiro a 853 obras, por cerca de US$ 151,4 milhões.
As duas pedem uma liminar e algo mais consequente do que dinheiro: a destruição das cópias não autorizadas, “inclusive as cópias mantidas em conjuntos de dados de treinamento, repositórios internos, pesos do modelo e infraestrutura de servidores”.
Leia essa lista de novo. Os pesos do modelo estão nela. Quem pede a um tribunal para destruir pesos está pedindo o produto em si, não um desconto no acordo.

A parte esperta: seus próprios acordos são a prova
A maioria das ações sobre dados de treinamento discute o uso justo no abstrato. A Reservoir contorna isso apontando para os acordos de licenciamento da Suno com a Warner Music Group, a BMG e a Believe.
O argumento é elegante. Se a Suno assinou acordos para licenciar gravações para treinamento, então a Suno, nas palavras da ação, “praticamente admitiu que existe um mercado em funcionamento para licenciar música e gravações sonoras como dados de treinamento”. E se existe um mercado, o quarto fator do uso justo — o efeito sobre o mercado da obra — pende para o autor antes mesmo de o debate começar.
Não dá para sustentar ao mesmo tempo que treinar com obra protegida é um uso transformador fora do mercado e pagar três grandes detentores de direitos por esse privilégio. Uma dessas posições tem que ceder.
É o argumento que deveria preocupar toda empresa de IA com um histórico misto de licenciamento, porque quase todas têm um. Feche um acordo com um banco de imagens, depois raspe a web aberta, e você entregou aos autores uma confissão com recibo anexado.
O código vazado faz muito trabalho nesta ação
A espinha dorsal factual vem do código-fonte da Suno que um hacker obteve e que o 404 Media noticiou em julho. A resposta da Suno na época foi que o incidente envolvia principalmente “código-fonte desatualizado que não é mais usado”.
A ação da Reservoir lê esse código como a descrição de um pipeline. Alega que a Suno comprou serviços de proxy da Bright Data para raspar YouTube Music, Deezer e Genius, e cita números específicos dos fluxos de trabalho: 2.057.486 registros de artistas salvos por uma tarefa do YouTube Music e 6.980.653 “registros de processamento bem-sucedido de páginas de músicas” de uma tarefa do Genius.
Também alega um detalhe que importa para a briga do uso justo: o código combina uma gravação cover com a gravação original da mesma música ao montar uma instância de treinamento. Treinar com covers e originais enfraquece qualquer argumento de que o modelo aprendeu estilo e não performances específicas, porque um cover e seu original compartilham uma composição e quase nada mais.
Se essa leitura se sustenta é coisa para um tribunal. Mas é o tipo de alegação específica e verificável que sobrevive muito mais facilmente a um pedido de extinção do que “o modelo foi treinado na internet”.
A seção das travas de segurança é a melhor parte
A Reservoir argumenta que as travas da Suno contra imitação de artistas são trivialmente contornáveis, e dá exemplos quase engraçados.
Um prompt com “Reba McEntire” é rejeitado. Um prompt para uma música country com voz feminina “no estilo de Reba McIntyre” — com o nome escrito errado — é aceito.
Com a v6, diz a ação, a Suno pega prompts que citam artistas e os redireciona “para características musicais descritivas”. Um prompt para “uma faixa de blues tipo Miles Davis com metais e um quarteto” teria produzido dois instrumentais, ambos intitulados “Blue Note Quartet”, que a Reservoir classifica como obras derivadas não licenciadas da música de Davis. “So What” está na lista da Reservoir.
Toda plataforma generativa tem uma versão desse problema, e ele não se limita à música. Bloquear um nome é um filtro de texto. Bloquear um estilo exige entender o que é o estilo, que é justamente para isso que o modelo foi treinado. Não dá para resolver na camada do prompt, e fingir o contrário é o que transforma uma limitação técnica em prova no processo.
Por que isso importa se você trabalha com imagens
Troque os substantivos e a ação continua legível.
Os modelos de imagem têm o mesmo histórico de licenciamento misto: acordos com bancos de imagens de um lado, raspagem ampla da web do outro. As plataformas de imagem têm o mesmo teatro de travas: bloqueiam o nome de um artista vivo, permitem “no estilo de [nome escrito errado]”. E os autores de imagens agora têm o mesmo modelo de ação — danos estatutários por obra, pedidos com base no DMCA por cima e a exigência dos pesos.
As citações de uso justo nesta ação merecem nota pelo mesmo motivo. Ela se apoia em Bartz v. Anthropic, a decisão do Distrito Norte da Califórnia de junho de 2025 segundo a qual manter uma biblioteca permanente de cópias piratas não era uso justo, e na decisão do Terceiro Circuito de 29 de setembro em Thomson Reuters v. ROSS Intelligence. São precedentes que os réus de imagem também vão enfrentar.
A outra coisa a observar é o acúmulo. A Suno já se defende de Universal Music, Round Hill, GEMA em Munique, da dinamarquesa KODA, da canadense SOCAN e de um grupo de artistas independentes. Um réu que luta em oito frentes não consegue um acordo barato em nenhuma delas, que é exatamente o cenário para o qual o modelo de negócios do “acordo depois” não estava preparado.
A ressalva necessária
Estas são alegações de uma ação. Nenhum tribunal decidiu nada. A Suno não havia se manifestado publicamente quando o protocolo foi noticiado, e “o código mostra X” é a caracterização que um autor faz de um documento até um juiz dizer o contrário.
O que não está em disputa é o formato da estratégia. Os detentores de direitos pararam de discutir se o treinamento de IA faz bem à cultura e começaram a montar casos em cima de rastros de papel: acordos de licenciamento, repositórios vazados, contornos de travas. É uma briga muito mais difícil de ganhar na base da intuição.
Para quem constrói em cima de modelos generativos, a lição prática é pouco glamourosa e imediata: saiba o que seu fornecedor licenciou e o que ele raspou, porque se um dia houver um processo, a diferença entre essas duas coisas é o caso inteiro.
Artigos relacionados
A Cloudflare abriu o auditor que usa em casa: o ponto é a contestação
Seis fases, três veredictos e uma regra que importa: o agente que confere um achado nunca é o que o encontrou. A Cloudflare também admite que uma execução acha mais ou menos metade.
Uma mesa de trading feita de agentes LLM: 117.000 estrelas e um aviso
Analistas, touro, urso, operador, equipe de risco, gestor de portfólio: o organograma é a arquitetura, e o aviso do README sobre a não determinabilidade é a linha mais importante.
225 mil estrelas para um Markdown: Karpathy em quatro regras
Sem código, sem build, sem benchmark: quatro princípios num CLAUDE.md atraíram mais atenção do que a maioria dos lançamentos de capacidade do ano.
Impeccable: 62 regras determinísticas contra o slop de IA
Inter em tudo, gradientes roxos, cards dentro de cards: 24 comandos e 62 regras determinísticas barram o slop no CI sem gastar um token.