Zangeres SZA zegt dat honderden van haar nummers zijn gebruikt om een AI-stem te trainen. Ze deelde die ontdekking deze week online, na het terugvinden van titels in een dataset. De onthulling voedt zorgen over ongeoorloofd gebruik van muziek door algoritmen. Dit raakt direct aan regels in de Europese AI-verordening en het auteursrecht.
SZA meldt AI-gebruik
SZA, burgernaam Solána Rowe, stelt dat 238 van haar tracks in een trainingsset voor een stemmodel staan. Zij zegt daar geen toestemming voor te hebben gegeven, en dat haar label evenmin is geraadpleegd. De betrokken aanbieder is op het moment van schrijven niet bevestigd.
Training betekent dat een systeem leert uit bestaande audio om nieuwe klanken te genereren. Bij stemklonen probeert het model de klankkleur en uitspraak van een artiest na te bootsen. Fans gebruiken dit voor covers, maar het kan ook leiden tot misleiding en reputatieschade.
De melding komt terwijl AI-muziek wereldwijd toeneemt. Platforms verwijderen geregeld deepfake-tracks, maar nieuwe uploads verschijnen snel. Daardoor blijven makers vaak achter de feiten aanlopen.
238: zoveel tracks zegt SZA dat ze terugvond in een dataset voor het trainen van een AI-stem.
Herkomst dataset onduidelijk
Het is niet duidelijk welke dienst of welk model de gegevens heeft verzameld. Online circuleren datasets op fora, GitHub en Discord, vaak samengesteld uit openbare opnames en gescheiden zangsporen. Bedrijven spreken geregeld van “publiek beschikbare” of gelicentieerde data, maar geven zelden volledige lijsten vrij.
In de Verenigde Staten lopen op het moment van schrijven rechtszaken van de muziekindustrie tegen generatieve muziekdiensten Suno en Udio. Belangenorganisatie RIAA en grote labels stellen dat de modellen herkenbare geluidsfragmenten en stijlelementen kunnen reproduceren. De uitkomst van deze zaken kan ook in Europa richtinggevend werken.
Voor consumenten bestaan laagdrempelige stemdiensten zoals ElevenLabs en Voice.ai. Zij vragen gebruikers vaak om toestemming van de stemhouder, maar community-modellen van beroemdheden blijven rondgaan. Handhaving is lastig zolang datasets versnipperd en anoniem worden gedeeld.
AI-verordening verlangt openheid
De Europese AI-verordening (AI Act) verplicht aanbieders van generatieve en algemene AI-modellen tot meer transparantie. Zij moeten samenvattingen publiceren van gebruikte trainingsdata en rekening houden met auteursrechten. Dit moet makers, toezichthouders en gebruikers inzicht geven in de herkomst van het materiaal.
Ook de Europese auteursrechtrichtlijn (DSM) is relevant. Text-and-data-mining is toegestaan, maar rechthebbenden mogen via een machineleesbare opt-out weigeren dat hun werk wordt gebruikt. Training op bronnen met zo’n opt-out kan in de EU onrechtmatig zijn.
Wanneer een stem opneembaar is tot een persoon, speelt de AVG. Een stemopname is een persoonsgegeven en vereist een rechtsgrond, doelbinding en dataminimalisatie. Biometrische verwerking voor identificatie valt onder extra strenge regels.
Voor Nederlandse partijen betekent dit documentatie van databronnen, respect voor opt-outs en snelle afhandeling van verwijderverzoeken. De Autoriteit Persoonsgegevens en de ACM letten bovendien op misleiding rond AI-functies en het gebruik van data. Transparantieclaims moeten verifieerbaar zijn.
Labels zetten druk op deals
De zaak rond SZA vergroot de druk op AI-start-ups om licenties te sluiten met labels en collectieve beheersorganisaties. Met afspraken via bijvoorbeeld Buma/Stemra en Sena kunnen modellen legaal analyseren en nieuwe content genereren. Zonder licenties blijven juridische risico’s groot.
Grote platforms testen inmiddels kleinschalige pilots met toestemming van artiesten, zoals YouTube met beperkte AI-muziekproeven. Zulke deals geven makers controle en vergoeding, maar schalen traag. Intussen groeit het aanbod van ongeautoriseerde modellen en datasets.
Contentherkenning, watermerken en herkomstlabels (zoals C2PA) kunnen helpen bij toezicht. Ze stoppen scraping niet, maar ondersteunen bewijs en verwijdering. Dat is cruciaal zolang transparantie over datasets vaak ontbreekt.
Gevolgen voor Nederland
Nederlandse artiesten en uitgevers kunnen TDM-opt-outs instellen en contractueel verbieden dat masters of stems voor training worden gebruikt. Ze kunnen daarnaast platformafspraken eisen over detectie en takedown. Dit beperkt het risico dat hun catalogus in trainingssets belandt.
Voor overheden en publieke instellingen gelden extra plichten onder de AI-verordening. Bij inkoop van AI-diensten moet worden gevraagd naar databronnen, licenties en AVG-conformiteit. Dit voorkomt dat ongeoorloofd getrainde modellen in publieke dienstverlening terechtkomen.
Of SZA’s klacht leidt tot verwijdering of juridische stappen, is op het moment van schrijven onduidelijk. De kern blijft: transparante datasets en duidelijke licenties worden randvoorwaarde voor AI in muziek. Europese regels maken dat vanaf nu ook afdwingbaar in de praktijk.