Lagu Baru Zhou Shen "Yue Zhi Ji" Dirilis: Secara Eksplisit Mencantumkan Larangan untuk Pelatihan AI dan Peniruan Suara

marsbitDipublikasikan tanggal 2026-04-02Terakhir diperbarui pada 2026-04-02

Abstrak

Pada 1 April, penyanyi Tiongkok Zhou Shen merilis lagu tema "Yue Zhi Ji" untuk drama fantasi periode "Yue Lin Qi Ji", dengan mencantumkan pernyataan hak cipta eksplisit "Dilarang digunakan untuk pelatihan kecerdasan buatan (AI)" dalam intro lirik dan partitur. Ini menjadi kasus pertama di Tiongkok yang menetapkan batasan hak cipta terhadap teknologi AI sejak rilis karya, menandai babak baru perlindungan hak suara dan kedaulatan kreatif musisi di era digital. Pernyataan tersebut secara rinci melarang penggunaan atau publikasi dalam bentuk apapun (termasuk cover, rekaman ulang, remix) tanpa izin tertulis pemegang hak cipta, serta secara khusus melarang penggunaan karya untuk pelatihan, peniruan, pembelajaran, atau generasi AI. Langkah ini merespons maraknya fenomena "kloning suara AI" dan "cuci lagu algoritmik" di industri. Zhou Shen sebelumnya telah menyoroti pentingnya emosi manusia dalam seni vokal yang tidak dapat direplikasi oleh AI. Di tahun 2026 ketika musik AI memasuki eksplorasi komersial, deklarasi ini tidak hanya membangun pertahanan teknis untuk suara orisinal, tetapi juga menyediakan standar legalitas otorisasi data pelatihan AI. Pakar industri meyakini praktik ini akan mempermudah pembuktian pelanggaran hak cipta. Dengan teladan dari artis ternama, industri musik mempercepat pembentukan konsensus hukum tentang batas kolaborasi manusia-AI, menegaskan kembali bahwa emosi manusia yang tak tergantikan tetap menjadi inti dari penciptaan seni.

Pada 1 April, penyanyi ternama Zhou Shen merilis lagu tema "Yue Zhi Ji" untuk drama fantasi kostum kuno "Yue Lin Qi Ji", dengan mencantumkan pernyataan hak cipta "Dilarang untuk pelatihan kecerdasan buatan (AI)" dalam intro lagu dan halaman lirik. Langkah ini menjadi kasus pertama di Tiongkok yang menetapkan batasan hak cipta terhadap teknologi AI sejak rilis karya, menandakan perlindungan hak suara dan kedaulatan kreatif musisi telah memasuki tahap baru "pertahanan digital".

Pernyataan tersebut secara rinci menetapkan: tanpa izin tertulis dari pemegang hak cipta, dilarang keras menggunakan atau mempublikasikan dengan cara apa pun (termasuk menyanyikan ulang, merekam ulang, remix, dll); tanpa otorisasi, karya dilarang keras digunakan untuk pelatihan AI, peniruan, pembelajaran, generasi, dan aktivitas lainnya. Langkah ini langsung merespons fenomena "kloning suara AI" dan "pencucian lagu algoritmik" yang semakin marak dalam industri. Zhou Shen sebelumnya telah berulang kali menyampaikan pandangan rasional terhadap teknologi AI di acara publik, menekankan bahwa meskipun AI dapat mencapai presisi yang sangat akurat melalui algoritma, namun tidak dapat mereplikasi "emosi hidup" dan jiwa seni yang ditempa melalui proses berulang dalam bernyanyi.

Pada tahun 2026 ketika musik AI memasuki eksplorasi komersial, pernyataan "keras" ini tidak hanya membangun firewall teknis untuk suara orisinal, tetapi juga menyediakan paradigma standar untuk menyelesaikan legalitas otorisasi data pelatihan AI. Para ahli industri berpendapat bahwa praktik mengunci niat pelanggaran dari sumber karya ini akan secara signifikan menurunkan ambang batas pembuktian dalam penegakan hak cipta selanjutnya. Dengan teladan dari seniman ternama, industri musik sedang mempercepat pembangunan konsensus hukum tentang batas kolaborasi manusia-mesin, menegaskan kembali bahwa dalam gelombang teknologi yang melaju kencang, emosi manusia yang tak tergantikan tetap menjadi parit pertahanan inti dari penciptaan seni.

Pertanyaan Terkait

QApa yang dilakukan Zhou Shen dengan lagu barunya 'Yue Zhi Ji' terkait dengan pelatihan AI?

AZhou Shen mencantumkan pernyataan hak cipta yang melarang penggunaan lagu 'Yue Zhi Ji' untuk pelatihan, peniruan, pembelajaran, atau generasi kecerdasan buatan (AI) tanpa izin tertulis.

QMengapa Zhou Shen melarang penggunaan lagunya untuk pelatihan AI?

ADia menyatakan bahwa meskipun AI dapat mencapai presisi melalui algoritma, teknologi ini tidak dapat mereplikasi 'emosi hidup' dan jiwa seni yang dihaluskan melalui proses bernyanyi manusia.

QApa signifikansi dari pernyataan hak cipta dalam lagu 'Yue Zhi Ji'?

AIni merupakan contoh pertama di Tiongkok yang menetapkan batasan hak cipta secara eksplisit terhadap teknologi AI sejak rilis karya, menandai dimulainya fase baru 'pertahanan digital' untuk melindungi hak suara dan kedaulatan kreatif.

QApa dampak yang diharapkan dari larangan ini terhadap industri musik?

ALarangan ini diharapkan dapat membangun konsensus hukum tentang batas kolaborasi manusia-AI, menegaskan kembali bahwa emosi manusia yang tidak tergantikan adalah inti dari penciptaan seni.

QBagaimana pernyataan ini mempengaruhi pembuktian pelanggaran hak cipta di masa depan?

ADengan mengunci maksud pelanggaran dari sumbernya, pernyataan ini akan secara signifikan menurunkan ambang batas pembuktian dalam proses penegakan hak cipta di kemudian hari.

Bacaan Terkait

Rilis XRP Ledger v3.3.0 Menyorot Lima Amandemen

Rilis xrpld v3.3.0 XRP Ledger yang dijadwalkan pada awal Agustus memfokuskan pada lima amandemen baru: Confidential MPT, Batch, Permission Delegation, Sponsored Fees and Reserves, dan Dynamic MPT. Perubahan ini bertujuan meningkatkan fungsionalitas ledger untuk aset tokenisasi, pengalaman pengguna, serta fleksibilitas operasional. Aktivasi fitur-fitur ini memerlukan konsensus dari 80% validator, sehingga tidak langsung live setelah rilis. Amandemen tersebut berfokus pada infrastruktur untuk kasus penggunaan lanjutan. Sponsored Fees dapat mengurangi gesekan onboarding dengan memungkinkan pihak lain membayar biaya jaringan. Confidential dan Dynamic MPT menawarkan lebih banyak kontrol dan fleksibilitas bagi penerbit aset token, sementara Batch dan Permission Delegation meningkatkan efisiensi operasional aplikasi. Peningkatan ini memperkuat fondasi XRP Ledger untuk pembayaran institusional dan tokenisasi aset, namun dampak praktisnya bergantung pada adopsi validator dan bagaimana pengembang memanfaatkan fitur baru ini.

bitcoinist11m yang lalu

Rilis XRP Ledger v3.3.0 Menyorot Lima Amandemen

bitcoinist11m yang lalu

Laporan Pagi Wall Street: V-reversal di Akhir Bulan, Tapi Indeks Nasdaq Rekam Performa Terburuk Juli dalam 12 Tahun, Modal Terkonsentrasi ke Raksasa Cloud

**Laporan Pagi Wall Street: Rebound di Akhir Bulan, Tapi Nasdaq Catat Performa Terburuk Juli dalam 12 Tahun, Modal Terakselerasi ke Raksasa Cloud** Pasar saham AS mengalami rebound berbentuk V pada Jumat lalu, dengan tiga indeks utama menguat. Namun, ini tidak menutupi performa buruk sepanjang Juli: Indeks S&P 500 hampir datar, mencatat kinerja Juli terburuk sejak 2014, sementara **Indeks Nasdaq turun 3,2%, merupakan kinerja Juli terburuk sejak 2004.** **Pergerakan Komoditas & Makro:** * **Minyak:** Harga minyak mentah WTI anjlok >8% setelah Presiden Trump membatalkan serangan militer terhadap Iran dan OPEC+ menyetujui peningkatan kuota produksi. * **Emas:** Harga emas naik tipis 0,91% pada Juli, berayun di sekitar $4050/oz. Analis melihat periode konsolidasi dengan kisaran perkiraan $3800-$4500 untuk tahun ini. * **Obligasi & Mata Uang:** Yield obligasi AS 10 tahun melonjak di bulan Juli. AS dan Jepang melakukan intervensi bersama untuk mendukung Yen, mendorong USD/JPY turun di bawah level 156. **Fokus Pasar: Percepatan Aliran Modal ke Raksasa Cloud** Tekanan deleveraging membayangi saham teknologi sepanjang Juli, namun **modal bergerak cepat ke perusahaan cloud besar.** Saham cloud meroket setelah laporan kinerja kuartalan yang kuat, dengan **kapitalisasi pasar gabungan raksasa cloud bertambah hampir $1,5 triliun** dalam seminggu (Microsoft, Amazon, Google). Ini menunjukkan pergeseran modal dari sektor hardware/semikonduktor yang padat menuju perusahaan cloud dengan arus kas yang kuat. **Kilasan Performa Saham Penting:** * **Amazon:** Melonjak 15,32% setelah kinerja AWS yang sangat kuat. * **Microsoft & Google:** Terus menguat dengan prospek bisnis cloud/AI yang solid. * **Meta:** Naik 3,28%, mengakhiri 11 hari penurunan beruntun. * **Apple:** Anjlok 7,35% karena kekhawatiran pasokan dan panduan yang lemah. * **Saham Memori (seperti Micron, Sandisk):** Terkoreksi tajam pada bulan Juli. * **SpaceX:** Akan merilis laporan kinerja pertama pasca-IPO pada 5 Agustus, diikuti masa pelepasan saham terbatas besar-besaran pada 6 Agustus. **Yang Perlu Diperhatikan Minggu Ini:** * **Laporan Kinerja Perusahaan:** Berkshire Hathaway, Palantir, AMD, SpaceX, Disney, Sandisk, Western Digital, dan lainnya. * **Konferensi:** Ai4 2026 dan Flash Memory Summit (FMS). * **Data Makro Kunci:** Laporan Penggajian Non-Pertanian AS (7 Agustus), data ekspor-impor & CPI China.

marsbit34m yang lalu

Laporan Pagi Wall Street: V-reversal di Akhir Bulan, Tapi Indeks Nasdaq Rekam Performa Terburuk Juli dalam 12 Tahun, Modal Terkonsentrasi ke Raksasa Cloud

marsbit34m yang lalu

Rubin Ultra Terkuras Drastis, Apakah Nvidia Juga Tak Tahan dengan Kenaikan Harga Memori?

Laporan terbaru dari SemiAnalysis mengungkapkan bahwa NVIDIA telah merevisi spesifikasi Rubin Ultra, varian flagship dari arsitektur Rubin yang diumumkan di GTC 2026. Alih-alih peningkatan besar pada memori dan daya komputasi, fokus utama kini beralih ke kemampuan interkoneksi skala sistem. Spesifikasi kunci yang diungkapkan menunjukkan Rubin Ultra akan mempertahankan puncak komputasi teoretis yang sama dengan Rubin standar, yaitu 35 PFLOPs. Namun, terjadi pengurangan signifikan pada kapasitas memori, turun menjadi 192GB dengan konfigurasi 8-Hi, lebih rendah dari Rubin standar yang 288GB (12-Hi). Peningkatan bandwidth memori juga minimal, hanya 1 TB/s, dan daya chip bahkan sedikit lebih tinggi. Peningkatan utama justru pada "skala interkoneksi" (*scale-up world size*), yang melonjak dari 72 GPU menjadi 576 GPU. Ini memungkinkan ratusan GPU Rubin Ultra terhubung via NVLink membentuk satu "super GPU" logis yang sangat besar. Analisis SemiAnalysis mengaitkan perubahan desain ini dengan lonjakan harga HBM (High Bandwidth Memory) yang drastis. Biaya material (BOM) untuk rak server Rubin Ultra sempat melonjak menjadi sekitar $8 juta karena harga HBM, tetapi dengan spesifikasi baru, biaya turun ke sekitar $6.4 juta. NVIDIA diduga mengalihkan biaya dari komponen HBM yang mahal (yang pangsa biayanya turun dari ~40% menjadi 28%) ke peningkatan interkoneksi jaringan (naik dari 4% menjadi 12%). Berita ini memicu kekhawatiran pasar tentang permintaan HBM. Saham produsen HBM seperti SK Hynix dan Samsung anjlok sekitar 8%, mencerminkan kekhawatiran bahwa pembeli utama seperti NVIDIA mungkin mulai mengurangi ketergantungan pada HBM berkapasitas tinggi untuk mengontrol biaya sistem AI secara keseluruhan.

Odaily星球日报56m yang lalu

Rubin Ultra Terkuras Drastis, Apakah Nvidia Juga Tak Tahan dengan Kenaikan Harga Memori?

Odaily星球日报56m yang lalu

Model Generatif Bisa Dilatih End-to-End? Intinya Hanya Sebuah For Loop

Model generatif seperti model difusi atau autoregresif yang dominan saat ini biasanya tidak melatih seluruh proses generasi secara end-to-end. Mereka dilatih hanya untuk memprediksi satu "langkah kecil" dalam proses, namun saat inferensi, langkah ini harus diulang ratusan atau ribuan kali. Ketidaksesuaian ini menyebabkan masalah "exposure bias," di mana kesalahan menumpuk seiring waktu. Makalah terbaru dari UIUC dan Harvard memperkenalkan paradigma baru bernama **Explorative Modeling (XM)**. Inti dari metode ini sangat sederhana: alih-alih menghasilkan satu sampel, model menghasilkan **K kandidat** dalam setiap langkah pelatihan. Kemudian, hanya kandidat yang paling dekat dengan data target yang dipilih untuk menghitung gradien dan memperbarui model. Mengapa ini berhasil? Dalam tugas generatif, satu input bisa memiliki banyak output yang valid (mode). Fungsi kerugian rekonstruksi tradisional cenderung menyebabkan "mode blurring," di mana model hanya mempelajari rata-rata dari semua mode, menghasilkan output yang tidak realistis. Dengan menghasilkan beberapa kandidat, model dapat "mengeksplorasi" dan menangkap beberapa mode yang berbeda sekaligus, sehingga menghindari rata-rata yang kabur. Penelitian ini menunjukkan bahwa **"eksplorasi" (K) bertindak sebagai sumbu penskalaan ketiga** yang efektif, selain parameter dan data. Eksperimen pada gambar, video, dan bahasa menunjukkan peningkatan kinerja yang monoton dengan peningkatan K, dengan keuntungan yang lebih besar pada skala yang lebih besar. XM dapat meningkatkan efisiensi FLOP hingga 4.1x dan efisiensi sampel hingga 6.2x. Yang lebih menarik, ketika diterapkan secara ekstrem, XM memungkinkan **pelatihan generatif yang benar-benar end-to-end**. Dalam tugas kontrol robot, "Explorative Policy" berbasis XM mencapai kinerja yang setara dengan "Diffusion Policy" yang membutuhkan 100 langkah inferensi, sementara hanya membutuhkan satu langkah inferensi maju. Ini membuktikan bahwa kompleksitas untuk menangani banyak mode dapat dipindahkan dari inferensi ke pelatihan. Meskipun ide "best-of-K" bukan hal baru, kontribusi utama makalah ini adalah penjelasan teoritis bahwa mekanisme ini secara langsung meningkatkan **ekspresivitas generatif** model. Dengan demikian, ini menawarkan cara baru yang ampuh untuk mengatasi tantangan mendasar dalam pemodelan generatif.

marsbit1j yang lalu

Model Generatif Bisa Dilatih End-to-End? Intinya Hanya Sebuah For Loop

marsbit1j yang lalu

Upbit Rebalance 864B SHIB dalam Pergerakan Wallet Internal

Bursa Korea Selatan Upbit melakukan penataan ulang 864 miliar SHIB di antara alamat dompet internalnya, menciptakan pergerakan rantai-blok besar senilai sekitar $4 juta. Pergerakan ini melibatkan transfer 384 miliar SHIB keluar dari dompet panas dan 480 miliar SHIB kembali ke dompet yang sama, tampaknya sebagai bagian dari operasi penyeimbangan kembali (rebalancing) dompet rutin, bukan pelepasan atau penjualan aset oleh bursa. Aktivitas ini terjadi setelah SHIB mengalami reli harga 36%, yang membuatnya lebih mencolok dan ditanggapi dengan sensitif oleh pedagang. Namun, karena perpindahan terjadi antara alamat yang diketahui milik Upbit sendiri, hal ini tidak secara langsung mengubah pasokan di pasar. Artikel ini menekankan pentingnya konteks dan pelabelan dompet yang tepat dalam menafsirkan data on-chain, agar pergerakan besar tidak disalahartikan sebagai sinyal jual atau aksi "paus" yang dapat menyesatkan narasi pasar.

bitcoinist1j yang lalu

Upbit Rebalance 864B SHIB dalam Pergerakan Wallet Internal