REGISTRO DOI: 10.70773/revistatopicos/793761081
RESUMO
O artigo analisa como a música gerada por inteligência artificial nas plataformas de streaming reconfigura as relações entre autoria, autenticidade e consumo musical. O problema surge de casos recentes em que artistas sintéticos alcançaram grande audiência e só provocaram controvérsia quando sua origem foi revelada. O objetivo é propor o conceito de regime de atestação, entendido como o conjunto de rótulos, metadados, políticas de plataforma e normas que informam ao ouvinte a origem do que ele ouve. O estudo adota a forma do ensaio teórico e articula teoria crítica, estudos de plataformização e de escuta de ambiente, teorias da autenticidade e economia política do streaming à análise de casos e documentos de 2023 a 2025. Os resultados indicam que a voz gravada deixa de ser indício confiável de que uma pessoa cantou e que a autenticidade passa a depender de informações externas ao som. Conclui-se que a aceitação dessa música tende a variar conforme sua origem esteja oculta ou assumida, e que a disputa central envolve quem atesta essa origem e quem é remunerado por ela. Ao final, o artigo formula três proposições que permitem testar essa hipótese.
Palavras-chave: inteligência artificial; consumo musical; plataformas de streaming; autenticidade; mediações.
ABSTRACT
The article analyzes how music generated by artificial intelligence on streaming platforms reshapes the relations between authorship, authenticity and music consumption. The problem arises from recent cases in which synthetic artists reached large audiences and only sparked controversy when their origin was revealed. The aim is to propose the concept of a regime of certification, understood as the set of labels, metadata, platform policies and norms that inform listeners of the origin of what they hear. The study takes the form of a theoretical essay and brings together critical theory, studies of platformization and ambient listening, theories of authenticity and the political economy of streaming to analyze cases and documents from 2023 to 2025. The results indicate that the recorded voice ceases to be a reliable sign that a person actually sang and that authenticity comes to depend on information external to the sound. It concludes that the acceptance of this music tends to vary according to whether its origin is concealed or acknowledged, and that the central dispute concerns who certifies that origin and who gets paid for it. Finally, the article formulates three propositions that allow this hypothesis to be tested.
Keywords: artificial intelligence; music consumption; streaming platforms; authenticity; mediations.
1. INTRODUÇÃO
Em junho de 2025, uma banda chamada The Velvet Sundown lançou dois álbuns em poucas semanas e passou a somar mais de um milhão de ouvintes mensais no Spotify. Não havia entrevistas, fotografias verossímeis nem músicos identificáveis. Depois de semanas de especulação, a biografia do grupo foi reescrita para apresentá-lo como um projeto de música sintética guiado por direção criativa humana (Rolling Stone, 2025). Meses depois, "Walk My Walk", atribuída ao artista virtual Breaking Rust, chegou ao primeiro lugar da parada de vendas digitais de country da Billboard, uma lista de downloads pagos de baixo volume, que não mede reproduções nem execução em rádio (ABC News, 2025). Na mesma época, a cantora virtual Xania Monet, criada pela poeta Talisha Jones, assinou com a Hallwood Media um contrato noticiado em cerca de três milhões de dólares (The Decoder, 2025).
Os três casos têm algo em comum que costuma passar despercebido: nenhum deles ocorreu na música de fundo. Foram sucessos de uma banda, de um artista de country e de uma cantora de R&B, isto é, em formas de escuta nas quais o público costuma perguntar quem está cantando. E em todos eles a controvérsia surgiu quando a origem sintética foi revelada ou passou a ser discutida, e não antes.
Ao mesmo tempo, a escala do fenômeno cresce. O Deezer registrava cerca de dez mil envios diários de faixas integralmente geradas por inteligência artificial (IA) em janeiro de 2025 e mais de cinquenta mil em novembro, cerca de 34% de tudo o que chegava à plataforma. Na mesma divulgação, a empresa apresentou uma pesquisa encomendada ao Ipsos com nove mil pessoas em oito países, entre eles o Brasil: em um teste com três faixas, duas geradas por IA e uma humana, 97% dos participantes não conseguiram identificar corretamente quais eram sintéticas (Deezer, 2025b).
O problema que orienta este artigo pode ser formulado na seguinte pergunta: como a música gerada por IA nas plataformas de streaming reconfigura as relações entre autoria, autenticidade e consumo musical? O argumento central se organiza em dois conceitos. O primeiro é o de regime de atestação: o conjunto de rótulos, metadados, interfaces, políticas de plataforma e normas que informam ao ouvinte a origem do que ele ouve, e os agentes que os produzem. O segundo é o de regime de divulgação: o estado em que essa informação se encontra para o público em um dado momento, isto é, se a origem sintética de uma música está oculta ou assumida. A revelação é a passagem de um estado ao outro, e o regime de atestação é o que determina quando e como essa passagem ocorre. A hipótese do artigo, em uma única formulação, é a seguinte: a aceitação da música gerada por IA depende menos de seu som ou de seu gênero do que de sua origem estar oculta ou assumida, e a revelação de uma origem antes oculta tende a provocar a revisão da autenticidade que lhe havia sido atribuída. Se a autenticidade depende de atestação, a disputa decisiva é sobre quem controla essa atestação e quem é remunerado por ela.
O objetivo geral é propor o conceito de regime de atestação como chave de leitura para a circulação da música gerada por IA. Para isso, o artigo procura discutir o que muda, com a geração automática, na possibilidade de atribuir uma obra a um sujeito; situar essa música na história da escuta de ambiente e das plataformas; examinar quem produz a informação sobre a origem da música e quem ganha com ela, com atenção ao Brasil; e formular proposições que permitam testar a hipótese empiricamente.
A seção 2 apresenta o percurso teórico-metodológico. A seção 3 discute a passagem da reprodução à geração técnica da música. A seção 4 situa a música gerada por IA na história da escuta de ambiente e das plataformas. A seção 5 desenvolve o conceito de regime de atestação. A seção 6 examina sua economia política, com atenção ao Brasil. A seção 7 propõe cenários e proposições testáveis, e a seção 8 apresenta as considerações finais.
2. PERCURSO TEÓRICO-METODOLÓGICO
O texto adota a forma do ensaio teórico porque o fenômeno é recente e os dados disponíveis são, em grande parte, produzidos por empresas interessadas. O procedimento combina duas operações. A primeira é uma revisão bibliográfica orientada pelo problema, que reúne quatro conjuntos de referências: a teoria crítica da cultura e as discussões sobre reprodutibilidade técnica e autoria; os estudos de plataformização e de escuta de ambiente; as teorias da autenticidade na música popular e no consumo; e a economia política do streaming. A segunda é a leitura de casos e documentos à luz desses referenciais.
Os casos foram selecionados por três critérios: terem ocorrido entre 2023 e 2025, terem alcançado visibilidade pública e envolverem controvérsia sobre a origem da música. Os documentos incluem comunicados e políticas de plataformas, reportagens jornalísticas, dados de mercado e textos legislativos, consultados em suas versões públicas. Os casos não funcionam como amostra nem como prova, mas como ocasiões para examinar a coerência dos conceitos propostos; por isso, o artigo termina com proposições que indicam como o argumento poderia ser verificado. Os dados das empresas são tratados como discursos interessados, e não como medidas neutras do fenômeno.
3. DA REPRODUÇÃO À GERAÇÃO: O PROBLEMA DA ATRIBUIÇÃO
Benjamin (2015) descreveu a perda da aura na obra reproduzida tecnicamente como a dissolução de seu aqui e agora, sua existência única em um lugar e em uma tradição. O próprio Benjamin, porém, observava que em artes como a fotografia a pergunta pela cópia autêntica perde o sentido. A fonografia seguiu esse caminho: como argumenta Gracyk (1996), no rock a obra é a própria gravação, montada e editada em estúdio, e não o registro de uma performance prévia. Por isso, o que a IA generativa altera não é propriamente a existência de um original, que já era problemática, mas a possibilidade de atribuir a obra a um sujeito. O modelo produz faixas a partir de padrões estatísticos extraídos de vastos acervos de gravações, e a pergunta "quem está falando?" deixa de ter uma resposta evidente.
Negus (2011) mostra que essa pergunta nunca teve resposta simples na canção popular. Entre a visão do autor como criador original e a recusa da autoria como irrelevante, ele propõe usar conceitos dos estudos da narrativa ficcional para desagregar o autor e examinar como a autoria é construída, transmitida e contestada nas canções e nas identidades públicas de quem as assina. A persona sintética é um caso extremo dessa construção: The Velvet Sundown e Xania Monet são figuras de autor produzidas por imagens, biografias e vozes, por trás das quais há pessoas, modelos e empresas em proporções que o ouvinte não consegue ver.
A tradição frankfurtiana ofereceria um diagnóstico imediato. Adorno e Horkheimer (1985) descreveram a indústria cultural como produção em série, e Adorno (2002) identificou na música popular a combinação de padronização e pseudoindividualização: estruturas repetidas apresentadas com variações superficiais que dão a cada sucesso a aparência de novidade. No ensaio sobre o fetichismo, Adorno (1978) associava essa padronização a uma regressão da audição, na qual o ouvinte reconhece fórmulas em vez de acompanhar a forma. Um modelo treinado para produzir o estatisticamente provável, com variações sob demanda, parece a realização técnica da pseudoindividualização.
O diagnóstico, contudo, precisa ser tomado com cautela. Hesmondhalgh (2022) mostra que muitas críticas ao streaming, como a de que ele favorece a escuta funcional e empobrece a experiência, reproduzem ansiedades formuladas diante da industrialização da música no século XX e simplificam as práticas dos ouvintes. O mesmo risco existe na discussão sobre IA. Por isso, este artigo não pressupõe que a música gerada por modelos seja inferior nem que exista um tipo de ouvinte desatento que a consome. A pergunta produtiva é em que situações a origem de uma música importa para quem a ouve e como essa origem chega a ser conhecida.
4. PLATAFORMAS E ESCUTA DE AMBIENTE
A distinção entre música de atenção e música de ambiente é antiga. Kassabian (2013) descreve a escuta ubíqua, em que a música acompanha atividades sem ser seu foco, e Anderson (2015) mostra como as plataformas transformaram o antigo negócio do Muzak em um neo-Muzak organizado por humores. O streaming deu a essa escuta uma infraestrutura própria. Poell, Nieborg e Van Dijck (2019) definem a plataformização como a penetração das infraestruturas, dos modelos econômicos e da governança das plataformas digitais em diferentes setores, acompanhada da reorganização das práticas culturais. Na música, ela envolveu a passagem da posse ao acesso, a centralidade das playlists e o peso da recomendação algorítmica, com conflitos de interesse entre plataformas, gravadoras e artistas que a literatura brasileira acompanha há uma década (Kischinhevsky; Vicente; De Marchi, 2015).
Morris (2015) chamou de curadoria por código (curation by code) o trabalho de sistemas que classificam e recomendam música a partir de dados de comportamento, e Santini e Salles (2020) mostram, em revisão sistemática, que esses sistemas moldam gostos e hábitos enquanto apresentam um ambiente aparentemente livre e diverso. As playlists organizadas por atividade e humor, como "foco", "relaxar" ou "dormir", ocupam lugar central nesse arranjo.
É importante, porém, não transformar essa distinção em dois tipos de ouvinte. Siles et al. (2019) mostram que os usuários constroem playlists de humor como forma de cultivar emoções e de dizer algo sobre si; a escuta de fundo também é afetiva e identitária. O mais preciso é falar em situações de escuta nas quais a pergunta pela autoria é mais ou menos mobilizada. Na mesma tarde, uma pessoa pode estudar ao som de uma playlist anônima e, depois, procurar o novo álbum de sua cantora preferida.
Nas situações em que a autoria é pouco mobilizada, a identidade do autor já havia se tornado dispensável antes da IA. A investigação de Pelly (2025a, 2025b) sobre o programa que o Spotify chamou internamente de Perfect Fit Content descreve faixas encomendadas a produtoras, creditadas a pseudônimos e usadas em playlists de ambiente com custos de royalties menores. A empresa nega criar artistas falsos, mas o caso mostra que a música de catálogo anônima já ocupava esse espaço, feita por pessoas. A IA generativa pode baratear radicalmente essa produção, mas essa é uma possibilidade, não algo já demonstrado.
Os dados disponíveis exigem leitura cuidadosa. O Deezer informou que as faixas integralmente geradas por IA respondiam por cerca de 0,5% das reproduções e que cerca de 70% dessas reproduções eram fraudulentas, produzidas por robôs para desviar pagamentos (Deezer, 2025a, 2025b). A fraude não é novidade da IA: Drott (2020) mostra que reproduções falsas e fazendas de cliques já disputavam a atenção remunerada do streaming. Além disso, o Deezer passou a excluir essas faixas das playlists editoriais e das recomendações (Deezer, 2025a). O baixo número de reproduções, portanto, não mede a preferência do público, porque resulta em parte da própria política da plataforma. É preciso distinguir três coisas que os números tendem a confundir: a oferta (o que é enviado), a exposição (o que a plataforma decide mostrar) e a demanda (o que o público escolheria ouvir). Os dados atuais medem bem a primeira, refletem a segunda e quase nada dizem sobre a terceira.
5. O REGIME DE ATESTAÇÃO
Moore (2002) propõe que a autenticidade na música popular não está inscrita no som, mas é atribuída por quem escuta. A pergunta decisiva, para ele, é quem está sendo autenticado. A autenticidade de primeira pessoa, ou de expressão, ocorre quando o ouvinte acredita que o artista comunica uma experiência própria. A de terceira pessoa, ou de execução, ocorre quando um intérprete é reconhecido como transmissor fiel de uma tradição ou de outro artista. A de segunda pessoa, ou de experiência, ocorre quando a música valida a experiência do próprio ouvinte.
Levada a sério, essa formulação impede afirmar que a música gerada por IA não pode ter autenticidade de primeira pessoa. Se a autenticidade é atribuída, ela pode ser atribuída a uma persona sintética, e os casos mostram exatamente isso. Quem ouvia The Velvet Sundown ouvia uma banda; quem comprava "Walk My Walk" comprava uma canção de country, gênero cuja autenticidade, como mostrou Peterson (1997), sempre foi fabricada pela própria indústria. A autenticidade de primeira pessoa foi atribuída e, no caso da banda, contestada quando a origem sintética veio a público (Rolling Stone, 2025). A autenticidade de terceira pessoa também muda de figura. Nela, Moore pressupõe um intérprete que transmite uma tradição; quando um modelo reproduz o country, esse lugar fica vazio, e o que se autentica é uma tradição sem rosto, formada pelos artistas cujas gravações alimentaram o treinamento.
Cabe então perguntar o que o conceito de regime de atestação acrescenta à autenticação de Moore. Para Moore, autenticar é um ato do ouvinte. O regime de atestação descreve outra coisa: a infraestrutura de informação que fornece, ou deixa de fornecer, os indícios sobre os quais esse ato se apoia. A literatura sobre autenticidade no consumo ajuda a precisar a diferença. Grayson e Martinec (2004) distinguem a autenticidade icônica, atribuída a algo que se parece com o original, e a indexical, atribuída a algo que tem uma ligação factual com uma origem, como uma pessoa, um lugar ou um momento. A autenticidade indexical sempre dependeu de indícios externos ao som, como créditos, imprensa, biografia e apresentações. O caso Milli Vanilli, em 1990, mostrou que esses indícios podiam ser falsificados.2 Mas, na música gravada, havia um indício que parecia resistir: a própria voz, entendida como marca física de que uma pessoa cantou. A música gerada por IA oferece com facilidade autenticidade icônica, porque soa como country, como R&B ou como uma banda dos anos 1970, e torna pouco confiável justamente esse índice vocal.
O teste do Deezer deve ser lido com cuidado. Foram três faixas por pessoa, em um questionário on-line encomendado por uma empresa com interesse comercial no tema, e a divulgação não informa se cada faixa era classificada separadamente nem o que contou como erro (Deezer, 2025b). Sem esse protocolo, não é possível estimar quanto o resultado se afasta do que se obteria ao acaso, nem concluir que o ouvido nunca distingue a origem. O resultado é compatível, no máximo, com a ideia de que essa distinção é pouco confiável. Na mesma pesquisa, 80% dos entrevistados disseram que músicas integralmente geradas por IA deveriam ser identificadas, e 52% se declararam desconfortáveis por não conseguir diferenciá-las. Trata-se de preferência declarada, não de comportamento observado, mas é um indício compatível com a demanda por atestação.
Quem atesta? A pergunta tem mais de uma resposta, e convém separá-las. Há a detecção pela plataforma: em 2025, o Deezer passou a identificar faixas sintéticas com uma ferramenta própria e a exibir um aviso de "conteúdo gerado por IA" nos álbuns que as contêm (Deezer, 2025a). Há a autodeclaração: o Spotify informou que apoiaria um padrão de metadados da organização Digital Data Exchange (DDEX) para que artistas e distribuidoras declarem o uso de IA, com distinções entre vocais, instrumentação e pós-produção, além de anunciar a remoção de mais de 75 milhões de faixas consideradas spam e a proibição de imitações vocais não autorizadas (Spotify, 2025). Há as normas públicas, ainda incipientes, como se verá adiante. E há a atestação produzida por ouvintes e jornalistas: a origem de The Velvet Sundown não foi revelada por um rótulo, mas por semanas de investigação coletiva.
Essa última forma importa para situar o conceito na tradição latino-americana de estudos de comunicação. Martín-Barbero (1997) propôs deslocar a análise dos meios para as mediações, entendidas como os lugares culturais em que o sentido é negociado e no qual os públicos não são receptores passivos. O regime de atestação pode ser lido como uma disputa por essa mediação: plataformas e gravadoras procuram transformá-la em um dispositivo técnico e corporativo, com detectores, metadados e políticas, enquanto ouvintes, fãs e jornalistas continuam a produzir seus próprios indícios e suspeitas. O padrão DDEX, por sua vez, faz em linguagem técnica algo próximo do que Negus (2011) propõe em linguagem teórica: desagrega a autoria, descrevendo a obra função por função, e não como "humana" ou "sintética".
A categoria "música de IA" funciona, assim, menos como descrição técnica do que como rótulo em disputa, de modo semelhante ao que Janotti Jr. e Sá (2019) observam sobre os gêneros musicais, negociados entre produção, circulação e escuta. Douglas e Isherwood (2009) lembram que os bens funcionam como marcadores: consumir é também comunicar pertencimentos e distinções. Se a origem de uma música se torna um atributo informado, e não percebido, ela passa a integrar esse sistema de marcação, e quem controla a informação controla parte do valor simbólico da música.
O caso brasileiro mais conhecido mostra que esse regime não se limita ao streaming. Em 2023, uma campanha publicitária da Volkswagen recriou com IA a imagem de Elis Regina cantando ao lado da filha, Maria Rita. O Conselho Nacional de Autorregulamentação Publicitária (Conar) arquivou o caso por maioria: quanto ao respeito à artista, considerou que havia consentimento dos herdeiros; quanto à falta de aviso, entendeu que o uso da tecnologia era evidente, reconhecendo a ausência de regras específicas (Poder360, 2023). A atestação ficou implícita, apoiada na suposição de que todos saberiam que Elis morreu em 1982. Quando a origem não é evidente, como nos casos de artistas sem passado público, essa suposição deixa de funcionar.
6. A ECONOMIA POLÍTICA DA ATESTAÇÃO
Se a autenticidade depende de atestação, a pergunta seguinte é quem ganha com ela. A rotulagem não é neutra. Para o Deezer, ela também é uma estratégia de diferenciação comercial e de combate à fraude que desvia pagamentos (Deezer, 2025a). Para o Spotify, as regras anunciadas em 2025 combinam proteção a artistas e controle sobre o que entra nas recomendações (Spotify, 2025). Em ambos os casos, as plataformas se tornam ao mesmo tempo distribuidoras, curadoras e certificadoras da origem da música.
A remuneração está no centro dessa disputa. No modelo predominante de rateio proporcional, a plataforma reserva uma parte de sua receita aos titulares de direitos e a divide segundo a participação de cada faixa no total de reproduções. Um volume crescente de faixas baratas não altera o montante reservado, mas dilui a parte de cada um dos demais. Hesmondhalgh (2021) mostra que a discussão sobre o pagamento no streaming exige olhar para todo o sistema de propriedade e distribuição de direitos, e não apenas para o valor por reprodução, e que propostas alternativas, como modelos centrados no usuário, têm efeitos redistributivos ambíguos. A música gerada por IA acrescenta a esse quadro um novo concorrente pela mesma receita. Se ela ocupar as playlists de ambiente, a parte destinada a quem produz em escala aumenta, e diminui a de quem vivia de música de catálogo, trilha e estúdio. A diferença entre situações de escuta é, portanto, também uma diferença de renda.
A questão do treinamento é distinta da atestação ao ouvinte, mas está ligada a ela: trata-se de regular a origem dos dados que produzem a música. Sturm et al. (2019) mostram que as questões de direito autoral sobre o treinamento de modelos musicais e sobre suas saídas permanecem em aberto. Na prática, elas vêm sendo resolvidas por acordos privados. Em 2025, a Universal Music Group encerrou seu processo contra a Udio e anunciou uma plataforma licenciada de criação musical (Claims Journal, 2025a), e a Warner Music Group fez acordo semelhante com a Suno, que se comprometeu a substituir seus modelos por versões licenciadas em 2026 (Claims Journal, 2025b). Esses acordos podem ser lidos como hibridização entre criação humana e IA, mas também como concentração: as grandes gravadoras negociam a licença de catálogos inteiros, enquanto artistas independentes e catálogos fora desses acordos têm pouca voz sobre o uso de suas obras.
No Brasil, a questão tem peso econômico e regulatório. Segundo relatório da Pro-Música Brasil, o mercado fonográfico nacional faturou cerca de R$ 3,96 bilhões em 2025, com crescimento de 14% e predomínio do streaming, e o país passou ao oitavo lugar no ranking mundial (Agência Brasil, 2026). O Projeto de Lei nº 2.338/2023, aprovado pelo Senado e enviado à Câmara dos Deputados em 2025, dedica uma seção aos direitos de autor e conexos: prevê que os desenvolvedores informem as obras protegidas utilizadas no treinamento, assegura aos titulares o direito de proibir esse uso e prevê remuneração (Brasil, 2023). Em julho de 2026, discutia-se na Câmara a supressão total ou parcial dessa seção (Iab, 2026), e até a data de consulta deste texto a votação não havia sido concluída. Se aprovado com essas regras, o país teria um mecanismo de regulação na origem dos dados, que complementaria, mas não substituiria, a atestação ao ouvinte.
7. CENÁRIOS E PROPOSIÇÕES
O argumento permite esboçar três cenários, que não são previsões excludentes, mas tendências cuja combinação dependerá de plataformas, gravadoras, legisladores e públicos. Cada um corresponde a um modo de funcionamento do regime de divulgação.
No primeiro, a ocultação, a música gerada por IA ocupa sobretudo as situações de escuta em que a autoria é pouco mobilizada, como playlists de ambiente, trilhas de vídeos, lojas e aplicativos, com a origem mantida oculta. Seu consumo se torna comum, mas invisível, e os efeitos recaem sobre a renda de quem produzia música de catálogo. Esse cenário é favorecido por rótulos fracos e por acordos com fornecedores de catálogo a custos de royalties menores, como os descritos por Pelly (2025a).
No segundo, a origem assumida como selo, a atestação se consolida: rótulos e metadados tornam a origem conhecida desde o início, e a origem humana passa a funcionar como marcador de valor, ao lado de outros indícios de autenticidade indexical, como a apresentação ao vivo, a biografia e as comunidades de fãs. A música sintética assumida pode encontrar seu próprio público, como já ocorre com artistas virtuais. O risco é que a certificação de origem fique concentrada nas próprias plataformas e se torne mais um ativo de marketing.
No terceiro, a desagregação, ferramentas generativas passam a integrar a produção cotidiana, em arranjos, timbres e vozes licenciadas, e a fronteira entre humano e sintético perde nitidez. A divulgação deixa de ser binária: a pergunta já não é se uma música é de IA, mas o que nela foi gerado e em que etapa. Nesse cenário, ganham importância declarações graduadas, como as do padrão DDEX (Spotify, 2025).
Os três cenários não convergem para um mesmo desfecho; divergem conforme o regime de divulgação que prevalecer. Para que a hipótese do artigo possa ser testada sem a contaminação pela exposição algorítmica apontada acima, as proposições a seguir privilegiam medidas de avaliação dos ouvintes, e não números de reproduções:
para uma mesma faixa, a avaliação dos ouvintes cai quando a origem sintética é revelada depois da escuta, em comparação com a avaliação feita sem essa informação (o que pode ser verificado em desenho experimental);
faixas cuja origem sintética é assumida desde o início sofrem menor queda de avaliação do que faixas cuja origem é revelada depois de terem sido ouvidas como humanas;
a situação de escuta modera, mas não determina, esse efeito: a queda após a revelação é maior quando a faixa é apresentada como obra de um artista do que quando é apresentada como música de ambiente.
Se a revelação não alterar a avaliação, ou se a origem assumida e a revelada produzirem o mesmo efeito, a hipótese do regime de divulgação perde força, embora a constatação de que a voz gravada deixou de ser um indício confiável permaneça.
8. CONSIDERAÇÕES FINAIS
Este artigo argumentou que a principal transformação trazida pela música gerada por IA não está no som, mas na forma como a autenticidade é conhecida. Com Benjamin, Gracyk e Negus, deslocou-se a discussão do original para a atribuição a um sujeito. Com Adorno, reconheceu-se o risco de uma pseudoindividualização automatizada, e com Hesmondhalgh evitou-se tomar a escuta de ambiente como escuta empobrecida. A partir de Moore e de Grayson e Martinec, propôs-se que a música de IA oferece facilmente autenticidade icônica, mas torna pouco confiável o índice vocal sobre o qual a autenticidade indexical da música gravada se apoiava.
A contribuição do texto é o conceito de regime de atestação, entendido como a infraestrutura de informação que fornece os indícios para a atribuição de autenticidade, produzida por plataformas, por quem declara a origem, por normas públicas e pelos próprios ouvintes. Dele decorre a hipótese de que a aceitação da música gerada por IA depende de sua origem estar oculta ou assumida, e de que a revelação tende a provocar a revisão da autenticidade atribuída. A disputa central é, ao mesmo tempo, comunicacional e econômica: trata-se de saber quem atesta a origem da música e quem é remunerado por ela.
O artigo tem limites. Os casos discutidos vêm sobretudo de mercados do Norte global, e os dados quantitativos foram produzidos por empresas com interesse no tema. A velocidade das mudanças torna provisórias muitas das informações citadas. Esses limites indicam uma agenda de pesquisa: testar as proposições acima, estudar a recepção da música gerada por IA entre ouvintes brasileiros, inclusive em plataformas como YouTube e TikTok e em gêneros como sertanejo, funk e piseiro, e acompanhar a tramitação do PL nº 2.338/2023 e seus efeitos sobre a remuneração de quem faz música no Brasil.
REFERÊNCIAS BIBLIOGRÁFICAS
ABC NEWS. What to know about the AI-generated country song topping Billboard's Country Digital Song Sales chart. ABC News, on-line, nov. 2025. Disponível em: https://abcnews.go.com/culture/story/ai-generated-country-song-topping-billboards-country-digital-127445549. Acesso em: 28 out. 2026.
ADORNO, T. W. O fetichismo na música e a regressão da audição. In: BENJAMIN, W. et al. Textos escolhidos. São Paulo: Abril Cultural, 1978. (Os Pensadores).
______. On popular music. In: ADORNO, T. W. Essays on music. Organização de Richard Leppert. Tradução de Susan H. Gillespie et al. Berkeley: University of California Press, 2002.
ADORNO, T. W.; HORKHEIMER, M. Dialética do esclarecimento: fragmentos filosóficos. Tradução de Guido Antonio de Almeida. Rio de Janeiro: Zahar, 1985.
AGÊNCIA BRASIL. Faturamento do mercado fonográfico brasileiro cresce 14% em 2025. Agência Brasil, on-line, mar. 2026. Disponível em: https://agenciabrasil.ebc.com.br/cultura/noticia/2026-03/faturamento-do-mercado-fonografico-brasileiro-cresce-14-em-2025. Acesso em: 28 out. 2026.
ANDERSON, P. A. Neo-Muzak and the business of mood. Critical Inquiry, Chicago, v. 41, n. 4, p. 811-840, 2015. DOI: https://doi.org/10.1086/681787.
BENJAMIN, W. A obra de arte na era de sua reprodutibilidade técnica. Porto Alegre: L&PM, 2015.
BRASIL. Senado Federal. Projeto de Lei nº 2.338, de 2023. Dispõe sobre o uso da inteligência artificial. Brasília: Senado Federal, 2023. Disponível em: https://www25.senado.leg.br/web/atividade/materias/-/materia/157233. Acesso em: 28 out. 2026.
CLAIMS JOURNAL. Universal Music settles copyright lawsuit with AI startup Udio. Claims Journal, on-line, 30 out. 2025a. Disponível em: https://www.claimsjournal.com/news/national/2025/10/30/333812.htm. Acesso em: 28 out. 2026.
______. Warner Music settles lawsuit with AI music startup Suno. Claims Journal, on-line, 26 nov. 2025b. Disponível em: https://www.claimsjournal.com/news/national/2025/11/26/334294.htm. Acesso em: 28 out. 2026.
DEEZER. Deezer just rolled out the world's first AI music tagging system. Deezer Newsroom, on-line, 20 jun. 2025a. Disponível em: https://newsroom-deezer.com/2025/06/deezer-just-rolled-out-the-world-s-first-ai-music-tagging-system/. Acesso em: 28 out. 2026.
______. Deezer/Ipsos survey: AI music. Deezer Newsroom, on-line, 12 nov. 2025b. Disponível em: https://newsroom-deezer.com/2025/11/deezer-ipsos-survey-ai-music/. Acesso em: 28 out. 2026.
DOUGLAS, M.; ISHERWOOD, B. O mundo dos bens: para uma antropologia do consumo. Rio de Janeiro: Editora UFRJ, 2009.
DROTT, E. Fake streams, listening bots, and click farms: counterfeiting attention in the streaming music economy. American Music, Urbana, v. 38, n. 2, p. 153-175, 2020. DOI: https://doi.org/10.5406/americanmusic.38.2.0153.
GRACYK, T. Rhythm and noise: an aesthetics of rock. Durham: Duke University Press, 1996.
GRAYSON, K.; MARTINEC, R. Consumer perceptions of iconicity and indexicality and their influence on assessments of authentic market offerings. Journal of Consumer Research, v. 31, n. 2, p. 296-312, 2004. DOI: https://doi.org/10.1086/422109.
HESMONDHALGH, D. Is music streaming bad for musicians? Problems of evidence and argument. New Media & Society, v. 23, n. 12, p. 3593-3615, 2021. DOI: https://doi.org/10.1177/1461444820953541.
______. Streaming's effects on music culture: old anxieties and new simplifications. Cultural Sociology, v. 16, n. 1, p. 3-24, 2022. DOI: https://doi.org/10.1177/17499755211019974.
IAB – INSTITUTO DOS ADVOGADOS BRASILEIROS. Indicação nº 76/2026: Projeto de Lei nº 2.338/2023. Rio de Janeiro: IAB, jul. 2026. Disponível em: https://iabnacional.org.br/wp-content/uploads/2026/07/Indicacao-no-76_2026-PL-2330-2023.pdf. Acesso em: 28 out. 2026.
JANOTTI JR., J.; SÁ, S. P. Revisitando a noção de gênero musical em tempos de cultura musical digital. Galáxia, São Paulo, n. 41, p. 128-139, 2019. DOI: https://doi.org/10.1590/1982-25542019239963.
KASSABIAN, A. Ubiquitous listening: affect, attention, and distributed subjectivity. Berkeley: University of California Press, 2013.
KISCHINHEVSKY, M.; VICENTE, E.; DE MARCHI, L. Em busca da música infinita: os serviços de streaming e os conflitos de interesse no mercado de conteúdos digitais. Fronteiras – estudos midiáticos, São Leopoldo, v. 17, n. 3, p. 302-311, 2015. DOI: https://doi.org/10.4013/fem.2015.173.04.
MARTÍN-BARBERO, J. Dos meios às mediações: comunicação, cultura e hegemonia. Tradução de Ronald Polito e Sérgio Alcides. Rio de Janeiro: Editora UFRJ, 1997.
MOORE, A. Authenticity as authentication. Popular Music, Cambridge, v. 21, n. 2, p. 209-223, 2002. DOI: https://doi.org/10.1017/S0261143002002131.
MORRIS, J. W. Curation by code: infomediaries and the data mining of taste. European Journal of Cultural Studies, v. 18, n. 4-5, p. 446-463, 2015. DOI: https://doi.org/10.1177/1367549415577387.
NEGUS, K. Authorship and the popular song. Music and Letters, Oxford, v. 92, n. 4, p. 607-629, 2011. DOI: https://doi.org/10.1093/ml/gcr117.
PELLY, L. The ghosts in the machine. Harper's Magazine, on-line, jan. 2025a. Disponível em: https://harpers.org/archive/2025/01/the-ghosts-in-the-machine-liz-pelly-spotify-musicians/. Acesso em: 28 out. 2026.
______. Mood machine: the rise of Spotify and the costs of the perfect playlist. New York: Atria/One Signal, 2025b.
PETERSON, R. A. Creating country music: fabricating authenticity. Chicago: University of Chicago Press, 1997.
PODER360. Conar arquiva ação por propaganda que recriou Elis Regina com IA. Poder360, on-line, ago. 2023. Disponível em: https://www.poder360.com.br/midia/conar-arquiva-acao-por-propaganda-que-recriou-elis-regina-com-ia/. Acesso em: 28 out. 2026.
POELL, T.; NIEBORG, D.; VAN DIJCK, J. Platformisation. Internet Policy Review, v. 8, n. 4, 2019. DOI: https://doi.org/10.14763/2019.4.1425.
ROLLING STONE. AI "band" the Velvet Sundown officially confirm they're AI — and a "provocation". Rolling Stone, on-line, jul. 2025. Disponível em: https://www.rollingstone.com/music/music-features/ai-band-the-velvet-sundown-confirm-ai-1235379354/. Acesso em: 28 out. 2026.
SANTINI, R. M.; SALLES, D. O impacto dos algoritmos no consumo de música: uma revisão sistemática de literatura. Signos do Consumo, São Paulo, v. 12, n. 1, p. 83-93, 2020. DOI: https://doi.org/10.11606/issn.1984-5057.v12i1p83-93.
SILES, I. et al. Genres as social affect: cultivating moods and emotions through playlists on Spotify. Social Media + Society, v. 5, n. 2, 2019. DOI: https://doi.org/10.1177/2056305119847514.
SPOTIFY. Spotify strengthens AI protections for artists, songwriters, and producers. Spotify Newsroom, on-line, 25 set. 2025. Disponível em: https://newsroom.spotify.com/2025-09-25/spotify-strengthens-ai-protections/. Acesso em: 28 out. 2026.
STURM, B. L. T. et al. Artificial intelligence and music: open questions of copyright law and engineering praxis. Arts, Basel, v. 8, n. 3, art. 115, 2019. DOI: https://doi.org/10.3390/arts8030115.
THE DECODER. AI artist Xania Monet signs $3 million record deal with Hallwood Media. The Decoder, on-line, 2025. Disponível em: https://the-decoder.com/ai-artist-xania-monet-signs-3-million-record-deal-with-hallwood-media/. Acesso em: 28 out. 2026.
1 Mestre em Comunicação Social pela Pontifícia Universidade Católica de Minas Gerais (PUC Minas). E-mail: [clique para visualizar o e-mail]acesse o artigo original para visualizar o e-mail. Lattes: http://lattes.cnpq.br/0148797589579995.
2 Em 1990, o duo Milli Vanilli perdeu o Grammy de artista revelação depois que se tornou público que seus integrantes não cantavam nas gravações lançadas em seu nome.