A marca-d'água de áudio deveria sobreviver à internet. A nossa morreu no primeiro transcodificador.

Incorporamos uma marca-d'água em uma faixa, submetemo-la a todos os testes que tínhamos e a vimos sobreviver. Compressão MP3 em três taxas de bits — sobreviveu. Uma ida e volta por um player de consumo — sobreviveu. Então entregamos o arquivo a um parceiro de distribuição cuja cadeia de ingestão recodificava tudo para Opus antes de chegar aos ouvintes, e a marca havia sumido. Não degradada. Sumida. A música saiu do outro lado limpa, sem marca, indistinguível de um arquivo que nunca havia carregado qualquer procedência.

Foi na manhã em que entendi que a procedência de áudio — a capacidade de provar de onde um trecho de áudio veio e que ele é o que afirma ser — não é um problema de marca-d'água. É um problema de sobrevivência. Uma marca-d'água que vive no seu laboratório e morre na jornada real do conteúdo é pior do que nenhuma marca-d'água, porque diz que você está protegido quando não está.

Eu comando uma pequena equipe que constrói pipelines de licenciamento, marca-d'água e procedência de áudio para empresas de mídia. Quero contar como erramos o produto, o que a Lei de IA da UE está prestes a impor a todos neste ramo e por que a parte difícil nunca foi o algoritmo.

A aposta em que apostei e que desmoronou em seis semanas

Quando começamos, o discurso era limpo e eu acreditava nele: ferramentas generativas de áudio eram legalmente radioativas, então seja a alternativa segura. Se você usasse Suno ou Udio para uma faixa comercial, estava alugando um processo judicial. Nós construiríamos, em vez disso, o caminho licenciado e defensável — vozes encomendadas, cadeia de titularidade limpa, exposição zero a direitos autorais. Vendi essa história para a minha própria equipe e para os primeiros compradores com quem conversei.

Então o chão se moveu. Em 30 de outubro de 2025, a Universal Music Group fez acordo com a Udio e assinou um contrato estratégico para uma nova plataforma licenciada que será lançada em 2026, treinada em um corpus aprovado pela UMG. Menos de quatro semanas depois, em 25 de novembro, a Warner Music Group fez acordo com a Suno e anunciou uma joint venture para construir música de IA licenciada e opt-in. O argumento do "você está alugando um processo" em torno do qual eu havia construído a empresa se enfraqueceu numa janela de seis semanas.

Passei alguns dias convencido de que tínhamos perdido o mercado. Não tínhamos — mas eu precisava parar de ler as notícias como um fornecedor e começar a lê-las como o arquiteto de rights-tech que havia passado anos sendo. Quando olhei os termos reais dos acordos, a dor do comprador não havia desaparecido. Ela havia se deslocado.

As ferramentas licenciadas resolveram o processo judicial. Elas criaram uma nova prisão: o jardim murado.

Leia as letras miúdas desses acordos. No produto de transição da Udio, os usuários não podem baixar ou exportar as obras que criam — as criações ficam trancadas no serviço, apenas para consumo. Nos novos modelos licenciados da Suno, somente assinantes do plano pago podem baixar para fora da plataforma, e esses downloads têm limite. Uma empresa de mídia que precisa que um ativo seja distribuído por broadcast, streaming, redes sociais, cinema e dentro de jogos não pode usar uma ferramenta que não deixa o ativo sair do prédio. A questão legal foi respondida. A questão de propriedade e portabilidade ficou escancarada.

Então o que está realmente quebrado agora?

Depois que parei de defender a antiga tese, o problema do comprador se resolveu em três perguntas, e nenhuma delas era "isto é legal".

A primeira é a portabilidade. Saídas de jardim murado não conseguem viajar, e a maioria dos casos de uso comercial já está quebrada antes de começar porque o ativo não consegue ser distribuído por cada superfície que uma campanha ou um lançamento toca.

A segunda é a registrabilidade, e ela surpreende as pessoas. O Escritório de Direitos Autorais dos EUA sustenta desde o início de 2025 que saídas geradas apenas por prompt não são passíveis de direitos autorais. Portanto, até uma faixa de IA impecável e licenciada pode ser não registrável — o que significa que um concorrente pode pegar carona na sua vinheta de IA impunemente, e você não tem nenhuma propriedade intelectual subsequente para defender. O acordo da Anthropic em setembro de 2025, no qual um juiz federal concluiu que treinar em material pirateado era transformativo, mas a aquisição dele era ilícita, colocou na mesa um número de cerca de US$ 3.000 por obra, que analistas da indústria musical tratam como um piso, não um teto. A exposição legal não desapareceu com os acordos; ela mudou de forma.

A terceira é a detectabilidade, e ela tem uma data anexada.

O relógio: Artigo 50 da Lei de IA da UE, 2 de agosto de 2026

Com todo outro problema deste ensaio você poderia, em tese, optar por conviver. Este tem uma data e um número, e é o que leva um comprador de interessado a assinar. Sob o Artigo 50 da Lei de IA da UE, em vigor a partir de 2 de agosto de 2026, qualquer pessoa cujo sistema gere áudio sintético deve marcar a saída em um formato legível por máquina para que seja detectável como gerada artificialmente. O primeiro rascunho do Código de Práticas da Comissão Europeia, publicado em janeiro de 2026, tornou explícita a expectativa operacional, e é a parte que a maioria das pessoas ignora: metadados sozinhos não bastam. O Código impulsiona uma abordagem em múltiplas camadas — metadados embutidos como manifestos C2PA e marca-d'água imperceptível. As penalidades sob o Artigo 99 chegam a € 15 milhões ou 3% do faturamento global.

Então eis a posição em que uma empresa de mídia está. Você precisa de um pipeline de marcação e marca-d'água operacional antes de 2 de agosto se tocar públicos da UE. A marca-d'água tem que sobreviver à jornada real do conteúdo — aquela que matou a nossa. E os metadados, a metade fácil, são a metade que é retirada primeiro.

Por que o C2PA simplesmente não resolve isso?

A maioria das equipes recorre às credenciais de conteúdo C2PA e pensa que terminou. O C2PA é bom — a RIAA, a Roland e a Avid, criadora do Pro Tools, são todas membros, então os porta-estandartes do áudio estão à mesa. Mas a maioria das plataformas sociais retira os metadados C2PA no momento em que você faz o upload. A credencial que você tão cuidadosamente anexou já sumiu quando a faixa chega à superfície onde a procedência realmente importa.

A única coisa que sobrevive é a vinculação flexível: você embute um pequeno identificador no próprio áudio com uma marca-d'água, e esse identificador aponta para um manifesto armazenado na nuvem. A marca-d'água sobrevive à jornada; a consulta restaura a procedência do outro lado. É elegante, e tem uma armadilha na qual já vi equipes caírem. Se o seu cliente está na UE e o seu repositório de manifestos está hospedado nos EUA, o GDPR agora se aplica a cada consulta de manifesto. Se o manifesto contém a identidade do criador, você deve suprimir (tarjar) os dados de privacidade sob a especificação C2PA — e quase ninguém a implementa. Se o repositório de manifestos está offline quando alguém verifica, a faixa não tem cadeia de procedência nenhuma. A metade "fácil" dos metadados é onde as minas terrestres legais e arquiteturais de fato estão.

E então há a camada em que o comprador de fato vive: DDEX. Em setembro de 2025, o Spotify e quinze gravadoras e distribuidoras se comprometeram com um padrão baseado em DDEX para divulgações de IA nos créditos musicais — vocais, composição, produção, tudo. Eis o problema que encontro em cada engajamento com gravadora: a especificação de entrega DDEX ERN 4.3 ativa não tem campos para esses dados de divulgação. A extensão está em rascunho. Uma gravadora que distribui por um agregador como o DistroKid ou o CD Baby herda o que quer que o agregador envie, e a maioria dos agregadores ainda não repassa divulgação granular de IA. Para estar em conformidade tanto com a política do Spotify quanto com o Artigo 50 até 2 de agosto, esse pipeline precisa de middleware personalizado. Não há uma configuração para acionar.

A marca-d'água que não sobreviveu — e a matriz que a teria pegado

Deixe-me voltar ao arquivo que saiu limpo, porque a correção não é "use uma marca-d'água melhor". É "pare de confiar em qualquer uma isolada".

Os embutidores são em sua maioria gratuitos. O SynthID-Audio do Google está incorporado ao Lyria e ao NotebookLM, com um portal de detecção lançado globalmente em novembro de 2025, e mais de 10 bilhões de conteúdos com marca-d'água em diferentes modalidades — mas o detector de áudio é controlado pelo Google e só funciona em saída gerada pelo Google. O AudioSeal da Meta é de código aberto sob licença MIT, faz detecção localizada em nível de amostra e é a ferramenta mais forte que já usei para voz e fala — mas sua robustez em música é mais fraca, e essa lacuna é exatamente onde os arquivos morrem.

É aqui que os números de nível de pesquisa provam seu valor. O XAttnMark, publicado no ICML 2025, mantém 68% de detecção sob ataques adversariais de forma de onda, onde o AudioSeal cai para 15%, e 91–94% de detecção através de edições generativas de ferramentas como o Stable Audio. O AWARE, um método de outubro de 2025, relata uma taxa de erro de bits de 1,61% mesmo depois de uma faixa passar por um vocoder neural — o tipo de ressíntese que um pipeline de clonagem de voz realiza. Nenhum deles tem suporte comercial. Nenhum deles é um produto. São insumos.

Uma marca-d'água que sobrevive ao MP3 e morre no Opus não é uma marca-d'água fraca. É uma que não foi testada.

A disciplina que nos teria salvo é pouco glamorosa: uma matriz de sobrevivência. Você pega a sua cadeia de ingestão específica — DAW para WAV, para entrega DDEX, para um transcodificador multi-bitrate cuspindo Opus, AAC e MP3, para uma CDN, para um player, para alguém gravando a tela pelo celular, para um re-upload no TikTok que recodifica a coisa toda — e passa cada marca-d'água candidata por cada estágio e mede o que sobrou. Não tínhamos testado o trecho do Opus porque o nosso laboratório não tinha um. O transcodificador tinha.

E para qualquer um em broadcast, há um estágio pior: a lacuna analógica. Saídas de rádio e TV são captadas pelo microfone de um segundo dispositivo num carro ou numa cozinha. Uma marca-d'água que morre na reverberação de uma sala é inútil para procedência em broadcast. A abordagem de autocorrelação do AudioSeal tende a sobreviver a isso; a maioria das marcas-d'água do tipo LSB não. Você só sabe qual delas testando.

O número da fraude que ninguém na gravadora disse em voz alta

A primeira vez que me sentei com a liderança de trust-and-safety de um DSP, a conversa não foi sobre a UE de forma alguma. Foi sobre um número que eles vinham absorvendo silenciosamente.

Dados da própria Deezer: faixas geradas por IA subiram de 18% dos novos uploads em junho de 2025 para 28% em setembro — mais de um quarto de tudo que entra pela porta. E 70% das reproduções em faixas exclusivamente de IA são fraudulentas. Junte esses dois números e cerca de um quinto de tudo que é entregue é potencialmente fraudulento — não um problema de spam nas margens, mas um vazamento estrutural no fundo de royalties. A Deezer agora exclui essas faixas dos pagamentos de royalties e, desde janeiro de 2026, está licenciando seu detector patenteado para plataformas rivais. O Spotify removeu mais de 75 milhões de faixas de spam em doze meses e introduziu um mínimo de 1.000 reproduções antes de os royalties serem acionados — o que os esquemas de fraude simplesmente burlam garantindo que cada uma de dez mil faixas de IA ultrapasse cerca de 1.050 reproduções. Em toda a indústria, a Beatdapp e o Beatport estimam US$ 2 a 3 bilhões por ano em desvio fraudulento de royalties. Para um DSP de médio porte, isso é um buraco de nove dígitos no seu próprio fundo de royalties.

É aqui que o comprador DSP e o comprador gravadora acabam querendo coisas diferentes do mesmo pipeline. A gravadora quer procedência e divulgação. O DSP quer manter as enxurradas fraudulentas de IA fora do seu fundo de royalties — e isso é um problema de fingerprinting e detecção comportamental, não de marca-d'água. O Attribution Engine da Pex compara fingerprints contra um registro em menos de cinco segundos e consegue até identificar se uma faixa veio da Suno ou da Udio. A Beatdapp, que captou US$ 17 milhões e faz parceria com a UMG e a MLC, pega a fraude comportamentalmente. Marca-d'água e fingerprinting não são concorrentes; eles respondem a perguntas diferentes, e uma plataforma de verdade precisa de ambos.

E as agências de publicidade?

O comprador de agência me tira mais o sono do que qualquer um dos outros, porque a exposição é tão concentrada e tão poucos deles a enxergam.

Os planos Pro e Premier da Suno explicitamente não incluem indenização. Uma agência que insere uma vinheta gerada por IA num comercial nacional está carregando o risco de direitos por conta própria — e a maioria não negociou indenização específica para IA nos MSAs com seus clientes, mesmo que a orientação da 4A's agora recomende isso. Um diretor jurídico de uma agência me guiou pelos termos de serviço da ferramenta deles numa ligação e ficou em silêncio quando chegamos à seção de indenização, porque não havia nenhuma. Se aquela vinheta desencadear uma reivindicação de direitos no meio da veiculação, a agência arca com a campanha retirada, a regravação, o reagendamento de mídia e o dano reputacional.

E a voz em si agora é propriedade. A ELVIS Act do Tennessee, em vigor desde julho de 2024, torna clonar a voz de um artista sem consentimento uma contravenção com remédios civis. A AB 2602 da Califórnia dá aos artistas proteções contratuais. A lei federal NO FAKES Act, avançando no 119º Congresso, criaria um direito de propriedade sobre réplicas digitais de voz, além de notice-and-takedown para plataformas. Quarenta e oito estados agora têm alguma forma de lei sobre deepfake ou clonagem de voz. A cadeia de titularidade de uma voz não é mais um detalhe agradável; é o que impede a campanha de se tornar um processo judicial.

O que de fato construímos agora

Então paramos de tentar ser a alternativa de geração segura. Não consigo superar o Google em um algoritmo de embutimento nem superar a Beatdapp em detecção de fraude, e fingir o contrário foi o erro original. O que nenhum fornecedor isolado faz — e o que falta a toda empresa de mídia com quem converso — é a integração.

Um comprador típico tem de seis a doze sistemas desconectados: um gerenciador de ativos digitais, um gerenciador de ativos de mídia, o DAW, o banco de dados de administração de direitos, o pipeline de distribuição DDEX, um verificador C2PA, um banco de dados de fingerprints, um detector de fraude, uma fila de revisão interna. Cada um funciona. Nada se comunica. A cadeia de procedência se quebra em cada emenda. O que projetamos é aquilo que os faz funcionar em harmonia — e a política que vem junto. As perguntas mais difíceis nunca são técnicas. Quem recebe o alerta quando uma marca-d'água aparece numa faixa enviada ao distribuidor? Qual é o SLA de takedown? Como a lista de opt-out do artista é sincronizada com o gerador? Essas respostas não vivem num repositório do GitHub.

Construímos uma camada de detecção multipadrão, porque nenhum comprador pode apostar em uma única marca-d'água vencendo — ela tem que ler saídas do SynthID, AudioSeal e XAttnMark, fazer referência cruzada com manifestos C2PA e comparar com divulgações DDEX. Construímos o fluxo de takedown, porque a verdadeira pergunta após o próximo momento "Heart on My Sleeve" — aquela faixa falsa de 2023 de Drake/Weeknd que atingiu 20 milhões de visualizações antes de ser retirada — não é "conseguimos provar que é falsa". Em 2026, um clone convincente leva cerca de noventa minutos para ser feito. A pergunta é quão rápido você consegue retirá-lo e notificar o artista, a gravadora, os DSPs e as plataformas sociais em paralelo. A marca-d'água é um insumo desse fluxo, não o fluxo.

E para os clientes que genuinamente precisam de transformação de voz licenciada — localização de podcasts, narração de audiolivros, acessibilidade, dublagem — construímos um banco de vozes de verdade, o que é sobretudo um problema de economia. Um ator encomendado gravando 45 minutos de canto limpo em alguns estilos de gênero custa de US$ 8.000 a US$ 18.000 dependendo do status sindical e do escopo de buy-out. Cobrir uma faixa utilizável de idade, gênero e sotaque exige de 45 a 75 atores — digamos de US$ 360.000 a US$ 1,35 milhão em capex antes de um dólar de receita do cliente. Que é exatamente por que a resposta quase nunca é um banco de propósito geral e quase sempre uma biblioteca direcionada: vinte atores em quatro idiomas para localização de podcasts supera um catálogo de vaidade que você nunca vai amortizar. Modelos de voz de celebridades raspados da internet não são uma opção — a ELVIS Act e a AB 2602 os tornam um passivo, não um ativo. Esse é o engajamento: o pipeline ponta a ponta de licenciamento, marca-d'água e procedência de áudio, projetado para os sistemas específicos e o prazo específico que um determinado comprador enfrenta.

As pessoas me perguntam se as plataformas licenciadas Suno e Udio simplesmente vão tornar tudo isso desnecessário. Não vão, pela mesma razão que o jardim murado criou a brecha: essas ferramentas resolvem a geração, não a cadeia de custódia em torno de um ativo que tem que viver na sua biblioteca, ser distribuído para cada superfície e resistir à auditoria de um regulador. Elas também perguntam se podem esperar para ver qual padrão de marca-d'água vence. Você não pode — o Artigo 50 não espera a guerra dos padrões se resolver, que é toda a razão pela qual a camada de detecção tem que ser multipadrão desde o primeiro dia.

A faixa que saiu daquele transcodificador sem marca é a que fico pensando. Ela tinha um artista de verdade por trás e uma licença de verdade, e pela duração de uma única recodificação tornou-se indistinguível de um deepfake — sem jeito de provar que era coisa alguma. Em 2 de agosto de 2026, essa lacuna deixa de ser uma vergonha de engenharia e se torna uma falha de conformidade com um número de € 15 milhões anexado. Todo mundo neste ramo tem esse transcodificador em algum ponto da sua cadeia. A única pergunta é se eles vão encontrá-lo antes do regulador, ou depois.