Sony夥Warner入稟控告Anthropic 指Claude以盜版歌譜訓練模型

Music publishers challenge Anthropic over alleged torrent-sourced songbooks used for Claude training (Image: Shutterstock)
Music publishers challenge Anthropic over alleged torrent-sourced songbooks used for Claude training (Image: Shutterstock)

Sony Music PublishingWarner Chappell Music日前入稟控告AI公司Anthropic,指其大型語言模型Claude在訓練過程中,使用從「影子圖書館」下載的盜版歌譜及樂譜書,涉逾700萬本書籍,以及從網上抓取歌詞內容,構成大規模版權侵權。

案件重點

  • 出版商指控Anthropic透過BT種子下載及網頁抓取歌詞,非法獲取享有版權保護的樂曲作品。
  • 呈交文件稱,相關7,000,000本下載書籍來自影子圖書館,當中夾雜多本曲譜及歌譜書,載有原告方之版權作品。
  • 原告要求就每一項被陪審團裁定屬「蓄意侵權」的作品,索取最高150,000美元法定賠償。

被指大規模Torrent下載

兩大音樂出版商於2026年8月28日,向美國加州北區聯邦地方法院入稟,被告包括Anthropic本身、聯合創辦人兼行政總裁Dario Amodei,以及聯合創辦人Benjamin Mann。訴訟核心聚焦於訓練數據的「來源問題」。

呈交文件指稱,Mann於2021年6月自Library Genesis下載約500萬本書,之後在2022年7月,Anthropic員工再從Pirate Library Mirror取得約200萬本書。出版商指,這些資料庫包含多本未獲授權的樂譜及歌譜書,載有原告擁有版權的音樂作品。

訴狀並指控Anthropic曾從MusixmatchLyricFind等歌詞授權平台抓取歌詞內容;這兩家公司本身是持牌提供歌詞展示服務。原告在文件中形容上述行為是「史上規模最大、最明目張膽、持續發生的知識產權盜竊之一」,四項指控之中,有兩項專門針對Torrent下載行為。

延伸閱讀:黃金基金錄得六個月高位,單周吸資42.1億美元

Sony等索償金額

出版商要求法院判令,就每一首被陪審團裁定屬「蓄意侵權」的作品,可索取最高150,000美元的法定損害賠償。原告稱,其旗下有數以百計樂曲出現在上述下載文件之中,並指整體訓練行為實際涉及「以萬計」享有版權保護的樂曲。訴狀同時要求以陪審團審理。

Torrent技術為案件再添一層法律風險。由於BitTorrent在下載過程中,會同時向其他用戶上載檔案碎片,出版商據此主張,被告行為不單是「取得」未經授權複本,亦涉及「散播/向外分發」侵權內容,爭議不再局限於Claude在訓練階段如何使用相關資料。

在早前另一宗涉及Anthropic的聯邦案件中,法院曾清楚劃線:一方面是合法購買紙本書再自行掃描用作AI訓練,法官指此做法有機會符合「合理使用」(fair use);另一方面,卻將從盜版圖書館下載書本形容為「簡單直接的盜版行為,只是規模極其龐大」。這條界線,如今再度成為焦點。

Anthropic在另一宗2023年的歌詞訴訟中,曾於早期程序取勝,當時法官拒絕頒令即時禁止Claude繼續訓練,條件是公司須維持輸出內容的保護閘措施。自那以後,圍繞Anthropic的版權爭議,愈來愈集中於訓練數據的「來源」:先由圖書開始,如今延伸至音樂出版領域。

下一步閱讀:以太幣連續12日錄ETF資金淨流入,仍面臨2,300美元關口考驗

Alexey Bondarev profile photo

Alexey Bondarev

Alexey Bondarev 現任 Yellow.com 的內容主管,過去 10 年一直專注報導加密貨幣相關議題。他擅長撰寫深入的研究與學習類文章,重點放在分析式報導、產業背景脈絡,以及塑造加密貨幣領域的宏觀力量,從 AI 時代與安全技術到金融科技創新等面向。他相信所有數碼事物將在不久的將來全面超越一切類比事物,並正為實現這個願景而全力以赴。

免責聲明及風險提示: 本文資訊僅供教育與參考之用,並基於作者意見,並不構成金融、投資、法律或稅務建議。 加密貨幣資產具高度波動性並伴隨高風險,可能導致投資大幅虧損或全部損失,並非適合所有投資者。 文章內容僅代表作者觀點,不代表 Yellow、創辦人或管理層立場。 投資前請務必自行徹底研究(D.Y.O.R.),並諮詢持牌金融專業人士。
Sony夥Warner入稟控告Anthropic 指Claude以盜版歌譜訓練模型 | Yellow