Новая песня Чжоу Шэня «Летопись Луны» вышла в свет: четко указано, что запрещено использовать для обучения ИИ и имитации голоса

marsbitОпубликовано 2026-04-02Обновлено 2026-04-02

Введение

1 апреля китайский певец Чжоу Шэнь выпустил новую песню «月之纪» (Лунная хроника) для фэнтези-сериала «月鳞绮纪». В композиции и на странице с текстом песни размещено четкое предупреждение об авторских правах: «Запрещено использование для обучения искусственного интеллекта (ИИ)». Это первый в Китае случай, когда при выпуске работы сразу устанавливаются правовые границы для ИИ-технологий. В заявлении подробно указано: без письменного разрешения правообладателя запрещено любое использование произведения (включая каверы, запись, ремиксы и т.д.), а также его применение для обучения, имитации или генерации с помощью ИИ. Это прямой ответ на растущую проблему «клонирования голосов» и «алгоритмического плагиата» в музыке. Чжоу Шэнь неоднократно подчеркивал, что, хотя ИИ может достичь технической точности, он не способен воспроизвести живыe эмоции и художественную душу человеческого исполнения. Эксперты считают, что такая практика устанавливает юридический стандарт для законного использования данных в обучении ИИ и укрепляет правовую защиту творчества в эпоху цифровых технологий.

1 апреля китайский певец Чжоу Шэнь выпустил заглавную тему «Летопись Луны» для фэнтези-сериала «Лунная чешуя: Хроники», с четким указанием в аранжировке и на странице текста песни об авторских правах: «Запрещено использовать для обучения искусственного интеллекта (ИИ)». Этот шаг стал первым в Китае случаем, когда при выпуске произведения сразу же были установлены красные линии авторского права в отношении технологий ИИ, что ознаменовало вступление музыкантов в новый этап «цифровой защиты» прав на голос и творческий суверенитет.

В заявлении подробно указано: без письменного разрешения правообладателя запрещено любое использование или публикация (включая каверы, перезапись, микширование и т.д.); без авторизации произведение запрещено использовать для обучения, имитации, изучения, генерации и других действий, связанных с ИИ. Этот шаг напрямую отвечает на растущую в отрасли проблему «клонирования голоса ИИ» и «алгоритмического переписывания песен». Ранее Чжоу Шэнь неоднократно публично выражал рациональный взгляд на технологии ИИ, подчеркивая, что хотя ИИ может достичь предельной точности с помощью алгоритмов, он не может воспроизвести «живые эмоции» и художественную душу, которые человек оттачивает в процессе исполнения.

В 2026 году, когда музыка с ИИ вступает в этап коммерческого освоения, это «жесткое» заявление не только создает технологический firewall для оригинального голоса, но и предоставляет стандартизированную модель для решения законности авторизации данных для обучения ИИ. Отраслевые эксперты считают, что такой подход, блокирующий умысел нарушения прав с самого источника произведения, значительно снизит порог доказывания при последующем защите авторских прав. С ведущими артистами, подающими пример, музыкальная индустрия ускоряет формирование правового консенсуса относительно границ взаимодействия человека и машины, вновь подтверждая, что незаменимые человеческие эмоции остаются ключевым защитным барьером художественного творчества в условиях бурного развития технологий.

Связанные с этим вопросы

QЧто сделал Чжоу Шэнь в связи с выпуском новой песни «月之纪»?

AЧжоу Шэнь выпустил новую песню «月之纪» и разместил в ней заявление об авторских правах, запрещающее использование для обучения искусственного интеллекта.

QКакие ограничения указаны в заявлении об авторских правах к песне «月之纪»?

AЗаявление запрещает любое использование песни без письменного разрешения, включая кавер-версии, запись, ремиксы, а также использование для обучения, имитации или генерации ИИ.

QПочему Чжоу Шэнь решил добавить такое заявление?

AЭто ответ на растущую проблему клонирования голосов и «алгоритмического заимствования» музыки с помощью ИИ, чтобы защитить свои авторские права и художественную целостность.

QКакое значение имеет этот шаг для музыкальной индустрии?

AЭто создаёт правовой прецедент и стандарт для защиты авторских прав в эпоху ИИ, упрощая процедуру доказывания нарушений и подчёркивая ценность человеческого творчества.

QЧто, по мнению Чжоу Шэня, ИИ не может скопировать в музыке?

AОн считает, что ИИ не может воспроизвести живые эмоции и художественную душу, которые музыкант вкладывает в исполнение в процессе творческого поиска.

Похожее

Выпуск XRP Ledger v3.3.0 делает акцент на пяти поправках к протоколу

Предстоящий релиз xrpld v3.3.0 для XRP Ledger (XRPL) включает пять ключевых поправок (амендментов), направленных на расширение функциональности для токенизированных активов, управления комиссиями, разрешений и пакетной обработки. Среди нововведений: Конфиденциальные и Динамические Многоцелевые Токены (MPT), Пакетные операции, Делегирование разрешений, а также механизм Спонсируемых комиссий и резервов. Важно отметить, что эти функции не станут активными автоматически сразу после релиза. Для их активации на сети XRPL потребуется согласие 80% валидаторов, что является стандартным процессом для внедрения любых изменений в протоколе. Этот пакет обновлений в первую очередь нацелен на улучшение инфраструктуры для институциональных сценариев использования, таких как выпуск активов банками и платежными компаниями. Например, спонсируемые комиссии могут упростить взаимодействие пользователей, избавив их от необходимости самостоятельно держать нативные токены XRP для оплаты сетевых сборов. Улучшения MPT предоставят эмитентам больше гибкости в управлении активами, включая конфиденциальность и правила передачи. Пакетная обработка и делегирование разрешений повысят операционную эффективность приложений. Таким образом, релиз v3.3.0 задает дорожную карту для развития XRPL в сторону более сложных финансовых инструментов и улучшения пользовательского опыта, однако практическая реализация этих возможностей зависит от поддержки валидаторов и последующего внедрения разработчиками.

bitcoinist12 мин. назад

Выпуск XRP Ledger v3.3.0 делает акцент на пяти поправках к протоколу

bitcoinist12 мин. назад

Уолл-стрит, утренний отчет: V-образное восстановление в конце месяца, но Nasdaq показал худший июль за 12 лет, капитал ускоряет концентрацию у облачных гигантов

В конце месяца на Уолл-стрит наблюдался V-образный разворот, но Nasdaq показал худший результат за июль за 12 лет, при этом капитал ускорил концентрацию у облачных гигантов. Несмотря на рост основных индексов в пятницу, Nasdaq за месяц упал на 3,2%. Цены на нефть резко обвалились после отмены Трампом ударов по Ирану и увеличения добычи ОПЕК+. Золото в июле выросло на 0,91%, ожидается консолидация. США и Япония совместно вмешались в поддержку иены, доходность 10-летних казначейских облигаций США резко выросла. Капитализация облачных гигантов (Microsoft, Amazon, Google) выросла почти на $1,5 трлн за неделю, акции Amazon подскочили на 15,32%. Акции Apple упали на 7,35% из-за проблем с поставками, в то время как сектор хранения данных скорректировался. На предстоящей неделе в центре внимания будут отчеты Berkshire Hathaway, Palantir, SpaceX (первый отчет после IPO) и AMD, а также ключевые макроэкономические данные, включая отчет о занятости в США за июль.

marsbit36 мин. назад

Уолл-стрит, утренний отчет: V-образное восстановление в конце месяца, но Nasdaq показал худший июль за 12 лет, капитал ускоряет концентрацию у облачных гигантов

marsbit36 мин. назад

Сильные урезания в Rubin Ultra: Nvidia тоже не справляется с ростом цен на память?

Прошлые выходные стали поводом для бурных обсуждений в индустрии ИИ после публикации отчета аналитической компании SemiAnalysis. Согласно данным отчета, NVIDIA значительно изменила спецификации своего флагманского чипа Rubin Ultra, ключевой модели, анонсированной на GTC 2026. Вместо ожидавшегося увеличения вычислительной мощности и объема памяти, компания, судя по всему, пошла по пути оптимизации затрат. Основные изменения в спецификациях Rubin Ultra по сравнению с более ранними ожиданиями и базовой моделью Rubin: * **Теоретическая пиковая производительность (35 PFLOPs) осталась на уровне обычного Rubin.** * **Объем памяти HBM серьезно сокращен** — до 192 ГБ (8-Hi), что даже меньше, чем 288 ГБ (12-Hi) у Rubin. * **Пропускная способность памяти увеличена незначительно** (всего на 1 ТБ/с). * **Энергопотребление осталось высоким**, а максимальное даже возросло. * **Главным улучшением стал масштаб межсоединений (Scale-up)**: поддержка объединения до 576 GPU в единый логический узел через NVLink (против 72 GPU у Rubin). Аналитики SemiAnalysis связывают такое решение с резким ростом цен на высокоскоростную память HBM, которая является ключевым и самым дорогим компонентом современных ИИ-ускорителей. Стоимость HBM3 с 2025 года выросла в несколько раз. Первоначальный дизайн Rubin Ultra приводил к тому, что стоимость памяти в системе приближалась к 40% от общей стоимости материалов (BOM). После пересмотра спецификаций эта доля упала до 28%, что позволило снизить общую расчетную стоимость стойки с чипами примерно с 8 до 6.4 млн долларов. Таким образом, NVIDIA, по мнению аналитиков, смещает акцент с "наращивания компонентов" в отдельном чипе на создание более масштабируемых и, возможно, экономически эффективных систем на уровне кластера. Новый дизайн Rubin Ultra фокусируется на способности объединять огромное количество GPU, компенсируя изменения в характеристиках отдельных чипов. Новость оказала давление на котировки ведущих производителей памяти. Акции SK Hynix и Samsung, основных поставщиков HBM, упали примерно на 8%, что отражает опасения рынка: если крупнейший покупатель HBM начинает оптимизировать свои чипы для снижения зависимости от дорогой памяти, это может ограничить потенциал дальнейшего роста цен и спроса для производителей памяти. Эпоха безудержного наращивания ресурсов в ИИ-инфраструктуре, судя по всему, подходит к концу.

Odaily星球日报58 мин. назад

Сильные урезания в Rubin Ultra: Nvidia тоже не справляется с ростом цен на память?

Odaily星球日报58 мин. назад

Может ли модель генерации обучаться end-to-end? В основе — простой цикл for

В статье представлен новый подход к обучению генеративных моделей под названием Explorative Modeling (XM), который позволяет осуществлять сквозное (end-to-end) обучение. Традиционные генеративные модели, такие как диффузионные или авторегрессионные, страдают от «смешения мод» (mode blurring), когда модель усредняет множество возможных правильных ответов, что приводит к размытым или нереалистичным результатам. Это также вызывает «смещение экспозиции» (exposure bias), когда ошибки накапливаются во время вывода. Ключевая идея XM проста: на каждом шаге обучения модель генерирует K кандидатов, а для обратного распространения градиента выбирает только того кандидата, который наиболее близок к реальным данным. Этот цикл, реализованный в несколько строк кода, повышает «генеративную выразительность» модели, позволяя ей охватывать несколько мод распределения данных, а не усреднять их. Авторы показывают, что «исследование» (exploration) становится третьей осью масштабирования наряду с увеличением параметров и данных. Эксперименты с изображениями, видео и текстом демонстрируют монотонное улучшение качества: при увеличении масштаба данных выгода от исследования возрастает с 7% до 36%, а эффективность использования вычислений (FLOP) повышается в 4.1 раза. В задачах управления роботами сквозная модель XM с одним проходом вперед достигает результатов, сравнимых с диффузионными моделями, требующими сотни проходов. Таким образом, Explorative Modeling предлагает путь к truly end-to-end генеративным моделям, перенося сложность с этапа вывода на этап обучения, что открывает потенциал для более эффективных и мощных систем.

marsbit1 ч. назад

Может ли модель генерации обучаться end-to-end? В основе — простой цикл for

marsbit1 ч. назад

Upbit проводит ребалансировку 864 млрд SHIB при перемещении между внутренними кошельками

Корейская биржа Upbit провела внутреннюю ребалансировку 864 миллиардов токенов SHIB между своими кошельками. Движение активов на сумму около 4 миллионов долларов произошло после роста стоимости SHIB на 36%, что привлекло внимание трейдеров. Однако анализ помеченных адресов показывает, что это была стандартная операция по перераспределению средств между "горячими" и другими внутренними кошельками биржи, а не вывод средств или подготовка к продаже. Общий объем перемещений включал 384 миллиарда SHIB, отправленных с основного горячего кошелька, и 480 миллиардов SHIB, возвращенных обратно. Этот случай подчеркивает важность проверки контекста и меток кошельков при интерпретации крупных ончейн-транзакций, чтобы избежать ошибочных выводов о продаже или давлении на рынок.

bitcoinist1 ч. назад

Upbit проводит ребалансировку 864 млрд SHIB при перемещении между внутренними кошельками

bitcoinist1 ч. назад

Торговля

Спот
活动图片