Tabla de contenidos
Una filtración de código fuente ofrece la mirada más detallada hasta ahora sobre los datos utilizados para entrenar a una de las plataformas de música con inteligencia artificial más populares. El caso involucra millones de canciones, letras, bibliotecas de audio, podcasts y una brecha de seguridad que Suno no notificó individualmente a sus usuarios.
Crear una canción con Suno parece casi magia. Escribes una idea, eliges un género y, unos minutos después, obtienes una pista completa con voz, instrumentos, letra y producción.
Lo que nunca ha sido igual de sencillo es responder una pregunta bastante incómoda: ¿de dónde aprendió Suno a hacer todo eso?
Una investigación de 404 Media asegura haber obtenido código fuente y documentos internos sustraídos de la compañía. El material presuntamente revela que Suno reunió enormes cantidades de música, letras y audio procedentes de YouTube Music, Deezer, Genius, Pond5, Jamendo, Freesound, podcasts y otras plataformas para construir sus conjuntos de entrenamiento.
La noticia no demuestra por sí sola que cada canción generada por Suno sea una copia de una obra existente. Tampoco resuelve las demandas que enfrenta la compañía. Lo que sí ofrece es algo que hasta ahora había permanecido oculto: una descripción mucho más concreta de cómo se habría reunido la materia prima utilizada para desarrollar sus modelos.
Más de dos millones de clips procedentes de YouTube Music
De acuerdo con 404 Media, el código filtrado incluye instrucciones y referencias a sistemas utilizados durante 2023 y 2024 para descargar, clasificar y procesar contenido de diferentes fuentes.
Uno de los archivos, identificado como youtube_music, señalaba que el sistema había ingerido 2,013,545 clips musicales.
Otros comentarios dentro del código mencionaban conjuntos de datos identificados como genius_hq, youtube_music, freesound, jamendo, deezer, ytm_tagged e IMSLP, una biblioteca digital de partituras musicales.
Las cifras recopiladas por 404 Media suman al menos 381,813 horas de audio y datos asociados entre los diferentes conjuntos mencionados. Para ponerlo en perspectiva, reproducir esa cantidad de contenido sin detenerse tomaría más de 43 años.
La cantidad no necesariamente representa todo el material utilizado por Suno. El código filtrado correspondería solamente a una parte de su infraestructura y algunos archivos podrían estar desactualizados. Aun así, ayuda a entender la escala necesaria para construir un sistema capaz de generar canciones completas a partir de unas cuantas instrucciones.
Suno incluso habría buscado versiones a capela
El proceso tampoco parece haber consistido únicamente en descargar canciones al azar.
Parte del código presuntamente buscaba versiones a capela en YouTube, es decir, pistas donde las voces aparecen aisladas o con muy poca instrumentación. Este tipo de material puede ser especialmente valioso para analizar voces, pronunciación, melodías y estructuras vocales sin que otros instrumentos interfieran.
Los archivos también sugieren que Suno habría utilizado infraestructura de Bright Data, una compañía que ofrece proxies, herramientas de extracción de datos y servicios para recolectar información disponible en internet.
El uso de proxies permite distribuir las solicitudes entre diferentes direcciones IP. Aunque esta tecnología tiene aplicaciones legítimas, también puede emplearse para evitar límites de tráfico o bloqueos implementados por las plataformas contra sistemas automatizados.
Esta parte podría ser importante en los tribunales. Una cosa es acceder a información disponible públicamente y otra distinta es eludir deliberadamente medidas diseñadas para impedir descargas automatizadas.
No solamente fueron canciones: también aparecen cientos de miles de podcasts
La filtración revela otro ingrediente que no era tan evidente: podcasts.
Según el reporte, Suno habría utilizado Podcast Index para identificar aproximadamente 420,000 programas con al menos cinco episodios de 30 minutos. El objetivo descrito en el código era descargar cerca de un millón de horas de podcasts.
No está claro cuánto de ese contenido terminó efectivamente dentro de los modelos ni para qué fue utilizado.
Una posible explicación es que las grabaciones sirvieran para enseñar al sistema elementos como pronunciación, voces habladas, idiomas, entonación, limpieza de audio o separación entre voz y ruido. Sin embargo, esta finalidad no aparece confirmada en la información publicada y deberá aclararse conforme se conozcan más documentos.
El código también menciona bibliotecas como Pond5, que vende licencias individuales y suscripciones para utilizar música y efectos de sonido. Que un archivo pueda escucharse en internet no significa automáticamente que pueda descargarse en masa, copiarse y utilizarse para entrenar un producto comercial.
Dicho de otra forma: internet abierto no significa barra libre.
Suno ya había reconocido que utilizó música protegida
La revelación no parte completamente de cero.
En 2024, dentro de su respuesta a las demandas de varias compañías discográficas, Suno reconoció que sus datos de entrenamiento incluían decenas de millones de grabaciones y prácticamente todos los archivos musicales de calidad razonable que podían localizarse en el internet abierto.
La empresa no negó que dentro de esa colección existieran canciones protegidas por derechos de autor. Su defensa se ha concentrado en argumentar que el entrenamiento de sus modelos constituye un uso legítimo y transformador bajo la doctrina estadounidense de fair use.
Suno también publicó en enero de 2026 una declaración de transparencia requerida por la legislación de California. En ella afirma que sus modelos se entrenan con archivos musicales y metadatos disponibles públicamente en sitios de terceros.
La compañía asegura que respeta muros de pago, contraseñas y restricciones de acceso. También reconoce que sus conjuntos contienen decenas de millones de archivos, algunos pertenecientes al dominio público y otros protegidos por propiedad intelectual. La recolección habría comenzado durante la primavera de 2023 y continuaría conforme se desarrollan nuevas versiones de sus modelos.
La filtración resulta relevante porque va más allá de esta descripción general. Presuntamente muestra nombres de plataformas, cantidades, scripts, métodos de clasificación y herramientas utilizadas para obtener el contenido.
El verdadero conflicto está en cómo se consiguieron los archivos
Las compañías discográficas no solamente acusan a Suno de entrenar sus modelos sin solicitar licencias.
En una ampliación de su demanda presentada en 2025, alegaron que la plataforma habría realizado stream ripping para extraer grabaciones directamente desde YouTube, eludiendo sistemas tecnológicos implementados para evitar las descargas no autorizadas.
Esta distinción puede terminar siendo crucial.
Incluso si un tribunal concluyera que utilizar obras protegidas para entrenar determinados modelos puede considerarse transformador, todavía tendría que analizar cómo fueron obtenidas esas obras. Descargar contenido mediante mecanismos que evaden protecciones técnicas puede abrir un problema legal distinto al entrenamiento en sí mismo.
Suno, por su parte, sostiene que busca producir música original y que ha implementado barreras para evitar que los usuarios generen canciones que imiten directamente a artistas o grabaciones existentes.
La empresa afirma que no utiliza nombres de artistas como una categoría dentro de los metadatos de entrenamiento. Sin embargo, que un sistema no tenga una etiqueta con el nombre de un cantante no significa que los datos musicales asociados a ese artista no hayan formado parte del entrenamiento.
Suno ya comenzó a negociar con la industria musical
La historia tampoco puede reducirse a una guerra entre compañías de inteligencia artificial y toda la industria musical.
En noviembre de 2025, Warner Music Group llegó a un acuerdo con Suno que puso fin a su parte del litigio. Ambas compañías anunciaron una alianza para desarrollar nuevos modelos entrenados con música licenciada y ofrecer experiencias en las que los artistas puedan decidir si autorizan el uso de sus nombres, voces, imágenes y composiciones.
El acuerdo demuestra que existe una ruta comercial posible: licencias, participación voluntaria y compensación para los titulares de derechos.
También plantea una pregunta incómoda. Si los futuros modelos pueden desarrollarse con música autorizada, ¿qué ocurrirá con los sistemas anteriores que habrían sido entrenados con contenido obtenido sin acuerdos equivalentes?
Suno anunció que comenzará a lanzar modelos desarrollados en colaboración con la industria musical. La compañía tiene mucho en juego: en junio de 2026 informó que había levantado más de 400 millones de dólares en una ronda de inversión que la valoró en 5,400 millones de dólares.
Ya no estamos hablando de un experimento creado por unos cuantos desarrolladores. Suno es una plataforma utilizada por millones de personas y respaldada por inversiones multimillonarias.
Te recomendamos: From Far Away anuncia su estreno en anime
La filtración también habría expuesto información de usuarios
La investigación incluye un segundo problema que podría terminar siendo tan serio como la discusión sobre derechos de autor.
La persona responsable del ataque aseguró haber accedido a información de cientos de miles de clientes de Suno, incluyendo correos electrónicos, números telefónicos y datos relacionados con pagos procesados mediante Stripe.
404 Media afirma que recibió una muestra de estos registros y contactó a algunos usuarios, quienes confirmaron haber utilizado esos números telefónicos para registrarse en la plataforma. Algunos señalaron que nunca fueron notificados sobre un incidente de seguridad.
Suno reconoció que detectó un incidente en noviembre de 2025, pero sostiene que fue limitado, que afectó principalmente código antiguo y que no comprometió información personal sensible.
La compañía también aclaró que no tiene acceso a los números completos de las tarjetas almacenadas por Stripe. Tras evaluar el alcance del incidente, determinó que las leyes aplicables no exigían enviar notificaciones individuales.
Por ahora existen dos versiones sobre la magnitud de la exposición. La información publicada no permite confirmar que se hayan filtrado números completos de tarjetas ni que se hayan realizado cargos fraudulentos.
Quienes tengan una cuenta en Suno deberían desconfiar de correos o mensajes que soliciten credenciales, códigos de acceso o información de pago. También conviene cambiar la contraseña cuando haya sido reutilizada en otros servicios y revisar periódicamente los movimientos bancarios asociados.
¿Qué significa este caso para México y Latinoamérica?
Hasta el momento no se ha publicado una lista completa de canciones o artistas incluidos en los conjuntos de entrenamiento. Por lo tanto, no es posible confirmar qué músicos mexicanos o latinoamericanos aparecen dentro de los archivos.
Sin embargo, cuando una empresa reconoce haber utilizado decenas de millones de grabaciones disponibles en internet, resulta razonable preguntarse si el proceso alcanzó catálogos regionales publicados en YouTube, plataformas de streaming, bibliotecas musicales o servicios de letras.
En México, la Ley Federal del Derecho de Autor protege las obras musicales, las interpretaciones, los fonogramas y los derechos de sus respectivos titulares. No obstante, la legislación vigente todavía no ofrece una respuesta específica y definitiva para todos los escenarios relacionados con la copia masiva de obras destinada al entrenamiento de inteligencia artificial.
Durante 2025 y 2026 se han presentado iniciativas para regular asuntos como la clonación de voces, el consentimiento de intérpretes, la transparencia y la remuneración por usos sintéticos. Son señales de que la discusión ya llegó al país, aunque una iniciativa legislativa no equivale a una ley aprobada.
Para los músicos independientes, el problema es especialmente delicado. Muchos publican su obra en internet precisamente para ser descubiertos, conseguir audiencia o monetizar reproducciones. La visibilidad pública no debería interpretarse automáticamente como permiso para integrar esas grabaciones en un sistema comercial que posteriormente compita dentro del mismo mercado creativo.
Lo que todavía falta por confirmar
La investigación de 404 Media se basa en código y documentos proporcionados por la persona que comprometió los sistemas de Suno. Geekzilla no ha tenido acceso independiente al material filtrado.
Tampoco se conoce el inventario completo de canciones procesadas, qué archivos fueron empleados en cada versión del modelo, cuántos podcasts se descargaron realmente ni si todos los scripts encontrados llegaron a utilizarse en producción.
Suno afirma que gran parte del código comprometido era antiguo y ya no se encuentra en uso. Esa declaración no desmiente necesariamente que los datos hubieran sido recopilados, pero sí obliga a evitar presentar cada archivo filtrado como una fotografía exacta de la infraestructura actual de la compañía.
Los tribunales todavía tendrán que decidir si el entrenamiento realizado por Suno puede considerarse uso legítimo, si la forma de obtener las grabaciones violó medidas tecnológicas y qué responsabilidad tendría la compañía sobre posibles reproducciones o imitaciones generadas por sus modelos.
La inteligencia artificial musical necesita algo más que canciones
Suno ha demostrado que la inteligencia artificial puede reducir de manera drástica la barrera técnica para crear música. Una persona sin conocimientos de composición o producción puede convertir una idea en una canción funcional en cuestión de minutos.
Eso no elimina las preguntas sobre el origen de esa capacidad.
La innovación no ocurre en el vacío. Detrás de cada modelo existen grabaciones, voces, letras, interpretaciones, decisiones creativas y décadas de trabajo humano. Cuando una plataforma convierte todo ese patrimonio en infraestructura privada, la transparencia deja de ser un detalle opcional.
El futuro de la música con inteligencia artificial probablemente no dependerá de prohibir estas herramientas. Dependerá de construir modelos en los que sepamos qué se utilizó, cómo se obtuvo, quién dio permiso y quién recibirá una parte del valor generado.
Porque crear el futuro de la música suena emocionante. Construirlo descargando el pasado sin decirle a nadie ya es otra canción.
fuentes:
https://www.theverge.com/ai-artificial-intelligence/966072/suno-ai-music-training-scraping-youtube-hack
https://www.404media.co/hack-reveals-suno-ai-music-generator-scraped-youtube-deezer-and-genius/
