Sony 與環球音樂集團於美國麻州聯邦法院再提新訴，指 Suno 九月九日推出的 v6 系列並非「重新開始」，而是把先前未經授權訓練的模型輸出、用戶偏好訊號與知識蒸餾結果再餵進新模型，構成「模型洗白」。來源真實性已核對麻州聯邦訴狀原文、The Verge 報道與 Suno 發言人回應，以及 Variety、Music Business Worldwide 交叉引述。本文整理訴狀核心論點、技術機制與對企業生成式 AI 訓練治理的含義。
美國索尼音樂娛樂與環球音樂集團（UMG）及其多個廠牌，於二〇二六年九月十八日向麻薩諸塞州聯邦地區法院提交第二份著作權侵權訴狀（案號 1:26-cv-14275），指控 AI 音樂生成公司 Suno 的最新模型套件 v6、v6 Wild、v6 Mini 仍建立在未經授權複製的錄音之上。訴狀把這種「以侵權模型之輸出再訓練下一代」的做法稱為「模型洗白（model laundering）」，並寫明「v6 不是重新開始；它是同一棵毒樹上的果實」。The Verge 於九月二十五日跟進並更新 Suno 回應；Variety 與 Music Business Worldwide 同步引述訴狀要點。
一、核心事件：第二份訴狀與「毒樹上的果實」
技術細節
訴狀指出，原告此前已於二〇二四年六月提起原訴（1:24-cv-11611）。今次新案在公開附件列出六萬零二百零二首錄音，並強調這仍只是侵權範圍的一部分，原告保留擴展清單的權利。原告指 Suno 早期以規避 YouTube 技術保護措施的「串流擷取（stream ripping）」取得大量錄音，用於訓練可產生「聽起來像真人錄音」的商業服務。
關鍵新論點落在 v6。Suno 於九月九日推出 v6 系列；公司方面曾對外稱模型「從頭訓練、使用新數據」。訴狀則主張：即便新模型並非直接對原告錄音做同樣的原始拷貝，只要訓練語料包含舊模型輸出、用戶對舊輸出的偏好訊號，或以知識蒸餾（knowledge distillation）讓「學生模型」模仿「教師模型」行為，侵權價值仍會從舊模型傳到新模型。原文寫道：訓練「新」模型於侵權模型的輸出「並不能消除侵權；它只是洗白侵權」，把原告表達的價值從被拷貝錄音傳入受污染模型、再傳入輸出、再傳入 v6。
訴狀亦指 Suno 從未主張已銷毀或停止使用先前取得的原告錄音拷貝；因此即便表面上換了模型世代，基礎仍可能延續。救濟請求包括宣告故意侵權、禁制令（含停止規避 YouTube 技術措施與停止侵權），以及按美國著作權法每首最高十五萬美元的法定損害賠償，或原告選擇的實際損害／侵權獲利。
二、技術原理深度解析：輸出回饋、偏好訊號與知識蒸餾
「模型洗白」並不是傳統意義上的洗錢術語誤用，而是訴訟對生成式 AI 迭代訓練鏈的法律定性嘗試。
輸出回饋迴路。 生成式音樂服務會鼓勵用戶反覆產生、比較、收藏作品。若新模型把這些「創作」與互動納入訓練，而舊模型能力本身來自未經授權錄音，原告主張合成輸出已承載舊錄音的表達特徵，用戶無法把原告無權授予的表達「再授權」給 Suno。
偏好訊號。 The Verge 引述 Suno 發言人 Rachel Racusen 稱，v6 訓練於「合作夥伴授權內容、包括創作與偏好訊號在內的社區互動，以及團隊累積學習」。訴狀把「偏好訊號」解讀為：用戶對舊模型輸出的好壞判斷，本身依附於受污染輸出，不能與侵權源流切斷。
知識蒸餾。 訴狀指 v6 可能以蒸餾等方式，讓新模型複製前代在編曲、風格與擬真度上的行為。技術上，蒸餾常被用來壓縮或遷移能力；法律上，原告主張「教師」能力若源自未授權錄音，學生模型即使未直接讀取原檔，仍可能延續同一侵權價值鏈。
授權雙軌的張力。 訴狀提及 Suno 已與華納音樂集團（二〇二五年十一月）等達成授權合作，並有其他廠牌／發行夥伴動向；索尼與 UMG 則屬尚未簽約的主要抵制方。原告認為「事後擁抱授權」反而凸顯早期未授權拷貝的問題，不能單靠新授權或新模型品牌洗刷前代訓練基礎。
四、日常應用場景
1. 開發者與技術團隊
若產品以「用戶生成內容＋舊模型輸出」迭代微調，應在數據管線標註：哪些權重來自授權語料、哪些來自合成輸出、是否使用蒸餾或教師—學生遷移。保留可審計的訓練清單與銷毀／隔離紀錄，比事後宣稱「全新模型」更能回應類似「毒樹」論述。對語音、影像、程式碼等同樣存在「輸出再訓練」風險的模態，亦應預設相同治理。
2. 企業與隱私敏感行業
廣告、影視、遊戲與品牌內容團隊若採購 AI 音樂或語音資產，應在供應商問卷加入：訓練是否含用戶上傳音訊、是否以舊模輸出做蒸餾、是否仍保留未授權拷貝、對訴訟與下架的賠償與替換條款。把「已與部分廠牌簽約」當成充分合規並不足夠——未簽約權利人仍可能就特定錄音與衍生模型提出主張。
3. 一般用戶
把生成結果上傳串流平台或商用專案前，應閱讀服務條款對商業使用與潛在侵權責任的分配。用戶上傳私人音訊供模型改寫時，亦可能擴大訓練語料爭議面；若服務未清楚披露「創作是否進入下一版訓練」，應假設存在回饋風險。
4. 香港與亞洲市場視角
香港創意產業、廣告代理與短劇／內容工作室日益使用生成式音訊工具加速製作。美國聯邦法院若採納「輸出／蒸餾仍延續侵權」的理論，即使判決尚未作出，採購與保險條款已可能收緊。對需要可證明授權鏈的企業客戶，本地部署並以自有或明確授權數據集微調的私有模型，比依賴海外消費級音樂生成服務的黑盒訓練史更易通過法務審查；亞太品牌亦須留意跨區上架內容時的權利清算成本。
五、專業評價與潛在考量
優勢
- 有可核對的聯邦訴狀原文（案號、六萬零二百零二首清單規模、v6 三模型、蒸餾與「毒樹」用語、每首最高十五萬美元法定損害請求），並有 The Verge、Variety、Music Business Worldwide 交叉報道。
- 把抽象的「訓練數據爭議」推進到「模型世代如何繼承舊侵權」的工程現實，對業界數據治理有參考價值。
- Suno 透過 The Verge 公開訓練來源類別（授權夥伴、社區創作與偏好、團隊學習），至少提供可對照的抗辯敘事。
需要留意的地方
- 「模型洗白」是原告法律修辭，法院尚未認定；知識蒸餾與用戶輸出訓練在技術上常見，不等於必然構成侵權——結果取決於事實發現與法律適用。
- 六萬零二百零二首為訴狀主張清單，原告亦稱僅屬一部分；不宜把數字讀成已判決的侵權數量。
- Suno 是否銷毀舊拷貝、蒸餾細節、用戶上傳音訊是否入訓，公開資訊仍不全；報道階段應避免把指控寫成已證實事實。
- Warner 等授權合作與索尼／UMG 抵制並存，產業正走向「部分權利人授權、部分持續訴訟」的分裂格局，合規策略須個案評估。
結語
Sony 與 UMG 的第二份訴狀，把生成式 AI 爭議從「有沒有直接拷貝錄音」拉到「新模型能否靠輸出回饋與蒸餾擺脫舊訓練原罪」。無論最終判決如何，企業若要把 AI 生成內容放進可商業化產品，訓練語料授權、模型譜系與銷毀／隔離紀錄已成為採購標配。若需在香港以自有或授權數據建立數據不出境的企業私有 LLM（Dataset → QLoRA／LoRA → 私有 API，年費 HK$88,000 起，100% 數據留港），可參考 YSK Limited 的企業私有 LLM 全託管（https://ysk.hk/services/ai-automation）。
參考來源
- U.S. District Court for the District of Massachusetts：UMG Recordings, Inc. et al. v. Suno, Inc., Case 1:26-cv-14275, Complaint（Filed 2026-09-18；CourtListener RECAP）https://storage.courtlistener.com/recap/gov.uscourts.mad.306399/gov.uscourts.mad.306399.1.0.pdf
- The Verge：Sony and UMG are suing Suno again（「model laundering」；2026-09-25 更新含 Suno 發言人 Rachel Racusen 回應）https://www.theverge.com/ai-artificial-intelligence/1000758/suno-sony-umg-lawsuit-ai-music
- Variety：Sony Music, Universal Music Group Sue Suno Over Label-Backed Model v6（2026-09-18）https://variety.com/2026/music/news/sony-music-universal-music-sue-suno-label-backed-model-1236866921/
- Music Business Worldwide：Universal and Sony sue Suno for a second time… ‘fruit of the same poisoned tree’ https://www.musicbusinessworldwide.com/universal-and-sony-sue-suno-for-a-second-time-claiming-platforms-v6-models-are-the-fruit-of-the-same-poisoned-tree/