Генеральный директор Deezer Алексис Лантерньер раскрыл масштаб проблемы, с которой столкнулась платформа: 44% всех новых треков, поступающих на сервис, помечаются системой как созданные с помощью ИИ. Подавляющее большинство таких загрузок преследует одну цель — монетизационное мошенничество. Схема проста: стриминговые сервисы платят правообладателям за каждое прослушивание, и злоумышленники накручивают счётчики ИИ-треков ботами, пытаясь получить выплаты.
Deezer ввёл контрмеры больше года назад. Треки, идентифицированные как ИИ-генерированные, не попадают в алгоритмические рекомендации и редакционные плейлисты — то есть живой слушатель наткнётся на них разве что целенаправленно. В результате реальная доля ИИ-музыки в трафике платформы держится на уровне 1–3%. Параллельно сервис отказывается выплачивать роялти за 85% прослушиваний таких треков, квалифицируя их как накрутку. По словам Лантерньера, компании удалось «свести к минимуму связанное с ИИ мошенничество и размывание выплат».
Проблема, однако, не исчезает — она усложняется. Инструменты для генерации музыки становятся дешевле и доступнее. Google обновил модель Lyria 3 и открыл пользователям Gemini возможность создавать полноценные треки — ещё несколько месяцев назад сервис ограничивался 30-секундными фрагментами. Suno и Udio позиционируют себя как платформы для создания готовых к эфиру песен буквально за секунды. Снижение стоимости инференса означает, что генерация музыкального «мусора» в промышленных масштабах становится всё дешевле.
85% прослушиваний ИИ-музыки сервис классифицирует как мошеннические и не выплачивает за них роялти.
Отдельная техническая сложность — водяные знаки. Крупные платформы встраивают в ИИ-треки метки: Google использует технологию SynthID, которая позволяет идентифицировать машинное происхождение аудио. Но эти метки уже научились удалять из готовых файлов, а кастомные модели, которые разворачивают мошенники на собственной инфраструктуре, изначально не оставляют никаких следов. Это делает детекцию по водяным знакам ненадёжным инструментом в долгосрочной перспективе и вынуждает платформы искать более глубокие акустические и поведенческие признаки машинной генерации.
