Sony en Universal dienen nieuwe rechtszaak in: Suno v6 draagt vermeende inbreuk over

Op 25 september 2026 hebben Sony Music Entertainment en Universal Music Group een nieuwe rechtszaak aangespannen tegen Suno, de AI‑muziekstartup, over haar v6‑model. De klacht stelt dat de nieuwste versie van Suno’s technologie blijft vertrouwen op auteursrechtelijk beschermde opnamen die de platenlabels nooit hebben gelicentieerd.

De twee platenmaatschappijen wijzen erop dat Suno eerder licentieovereenkomsten had gesloten met Warner Music Group, BMG en Believe, maar Sony en Universal bewust uitsloot van die deals. Die weglating vormt de kern van de claim dat Suno’s trainingsdata ongeoorloofd materiaal bevat.

Beschuldigingen over eerdere modellen

Volgens de klacht werden Suno’s eerdere modellen getraind op een corpus van opnamen die van YouTube en andere online bronnen waren verzameld zonder toestemming van rechthebbenden. Sony en Universal betogen dat die opnamen de “bronopnamen” vormen die aan de basis liggen van de vermeende inbreuk.

De rechtszaak stelt bovendien dat het v6‑model niet op een schone lei is gebouwd. Het zou zijn getraind op door gebruikers gegenereerde creaties die zelf waren voortgekomen uit de eerdere, vermeend inbreukmakende modellen. Deze indirecte training, zo beweren de eisers, creëert een keten van kopiëren die niet kan worden verbroken door simpelweg de dataset te wijzigen.

Model‑wassing en de vergiftigde‑boom metafoor

De klacht gebruikt de term “model‑wassing” om Suno’s aanpak te beschrijven, en suggereert dat het bedrijf probeerde de illegale oorsprong van haar data te verdoezelen door opnieuw te trainen op afgeleide output. Om het concept te illustreren, wordt een metafoor van een vergiftigde boom gebruikt: als de wortels verontreinigd zijn, zal elk fruit dat aan de boom groeit ook besmet zijn.

Suno‑medeoprichter Jack Brody reageerde door te stellen dat v6 “van de grond af” was getraind op een nieuwe dataset die gebruikersdata omvatte. Hoewel hij bevestigde dat door gebruikers gegenereerde inhoud deel uitmaakte van het trainingsmateriaal, weigerde hij verdere details over de bron of herkomst van die bestanden te geven.

Technische claims over distillatie

Sony beweert bovendien dat Suno een techniek genaamd distillatie heeft toegepast, waarbij een groter “leraren‑model” zijn gedrag overdraagt aan een kleiner “student‑model”. De eisers betogen dat als het leraren‑model was getraind op ongeautoriseerde opnamen, het gedistilleerde student‑model — v6 — onvermijdelijk hetzelfde inbreukmakende gedrag zal reproduceren.

De juridische theorie van de labels is dat indirecte training de link met de vermeende ongeoorloofde bronopnamen niet verbreekt. Met andere woorden, zelfs als v6 de originele tracks nooit heeft gezien, is de blootstelling aan de output van eerdere modellen voldoende om aansprakelijkheid te vestigen onder de huidige auteursrechtelijke doctrine.

Implications voor de AI‑muziekindustrie

Het is belangrijk op te merken dat de beschuldigingen nog steeds claims in een klacht zijn. Er is nog geen rechterlijk oordeel dat Suno’s v6‑model daadwerkelijk inbreuk maakt op auteursrechten, en de argumenten van de rechtszaak zijn nog niet beoordeeld.

• Eerdere Suno‑modellen getraind op niet‑gelicentieerde YouTube‑opnamen
• Door gebruikers gemaakte creaties, afgeleid van die modellen, gebruikt voor v6‑training
• Distillatieproces dat gedrag van leraren‑ naar student‑model overdraagt
• Klacht schetst de keten als een vergiftigde boom die vervuild blijft

Indien de rechtbank uiteindelijk de theorie van Sony en Universal accepteert, zou de uitspraak een precedent scheppen voor de behandeling van AI‑gegenereerde content die is getraind op output van eerdere, mogelijk inbreukmakende modellen. Zo’n beslissing zou de aansprakelijkheid uitbreiden van direct kopiëren van beschermde werken naar indirecte, afgeleide trainingspijplijnen.

Voor organisaties die AI‑gegenereerde muziek gebruiken — of het nu gaat om reclame, videoproductie of streamingdiensten — signaleert de rechtszaak de noodzaak om niet alleen de ruwe data die voor training wordt gebruikt te onderzoeken, maar ook de herkomst van elk model dat zij inzetten. Bedrijven moeten mogelijk transparante documentatie van de trainingsgeschiedenis van een model eisen en ervoor zorgen dat elke stap in de pijplijn vrij is van niet‑gelicentieerd materiaal.

In een later stadium van de procedure, die in de Verenigde Staten wordt gevoerd, kan de uitkomst ook invloed hebben op Europese en Aziatische rechtsgebieden, waar copyright‑wetgeving en AI‑regulering nog in ontwikkeling zijn. De uitkomst zal daarom nauwlettend worden gevolgd door beleidsmakers en technologische bedrijven wereldwijd.