【作者】蔡葵(法学博士,上海大学法学院/知识产权学院讲师、硕士生导师)

【来源】北大法宝法学期刊库《人权法学》2026年第3期(文末附本期期刊目录)。因篇幅较长,已略去原文注释。

内容提要:AI翻唱的核心困境是当一个人的声音可以被轻易复制、修改并用于商业牟利时,现有的人格权、数据法和著作权三大保护路径是否能提供足够的保护。人格权路径面临“可识别性”标准模糊与救济不足的困境,数据法路径则存在法律后果不明确的问题,而传统的著作权路径难以应对AI训练过程中的新型侵权样态。基于与AI翻唱技术逻辑相契合的著作权规制逻辑,提出以“碎片化侵权”理论作为认定AI翻唱构成著作权侵权的核心规范基础。该理论将AI模型训练中对海量声音片段的系统性、规模化复制行为解释为对原录音制品复制权的侵害。著作权法不仅能通过财产权规制提供有效的经济救济,还能通过人身权的保护回应声音所蕴含的人格利益,从而试图构建一个平衡保护与利用、兼顾财产权与人身权的著作权规制体系,以期为AI技术与音乐产业的融合发展提供法律指引。

关键词:AI翻唱;著作权;声音权益;数据权益;碎片化侵权

目次 一、问题的提出 二、AI翻唱所涉法益的保护路径方案选择与反思 三、AI翻唱的技术逻辑与著作权保护的制度逻辑 四、AI翻唱著作权保护路径的规范展开 结语

一

问题的提出

生成式人工智能颠覆了整个音乐行业。2023年,“AI孙燕姿”翻唱歌曲在国内互联网爆火,其翻唱的歌曲在“哔哩哔哩”网站等平台获得数百万播放量;几乎同时,国外匿名用户Ghostwriter利用AI模仿歌手Drake与The Weeknd的声音,创作出歌曲“Heart on My Sleeve”,在TikTok上迅速传播,累计播放量超过1500万次。此后“AI碧昂丝”“AI蕾哈娜”层出不穷,甚至在2025年,歌手乔娅·史密斯(Jorja Smith)的独特嗓音被舞曲流行音乐人项目HAVEN.的制作人沃克(Walker)使用Suno公司的声音合成工具进行“女性化”处理,创作出爆款单曲“I Run”,再次点燃了音乐界的版权争议。音乐界的“AI翻唱”已蔓延至声音产业的“AI翻音”。早在2021年,上海喜马拉雅科技有限公司用语音合成技术完美还原单田芳先生的声音,并重现于六部风格各异的书籍之中;2024年“AI声音权益第一案”中,中国配音演员殷某起诉被告未经其许可,利用其配音,经人工智能技术处理后用于商业产品;2025年亚马逊公司的配音演员穆雪婷亦在微博发布视频《我被侵权了@亚马逊广告》,控诉自己的声音被滥用;在日本,包括中尾隆圣、山寺宏一在内的多位知名声优于2024年10月联合发起“NOMORE Unauthorized AI Generation”(杜绝未经授权的AI生成内容)运动,集体抵制未经授权的AI翻音行为。

AI翻唱指向一个核心困境:当一个人的声音——这一最具身份标识性的个人特征——可以被轻易复制、修改并用于商业牟利时,现有的法律体系能否提供足够的保护?AI翻唱所引发的法律挑战,已成为全球共同面对的重要议题,各国围绕相关法律保护路径展开了多元探索。以“AI孙燕姿”翻唱周杰伦歌曲为例,这一行为可能侵犯了不同法益:输入孙燕姿的录音制品训练AI,并输出具有孙燕姿音色特色的翻唱歌曲,是否侵犯了著作权?孙燕姿的声音被模仿,其独特的人格标识与商业价值受到影响,是否侵犯了其作为人格权的声音权益?抑或侵犯了其作为兼具个人信息和录音制品的数据权益?这些问题在全球范围内尚未形成统一答案。

无论是著作权、人格权还是新兴的数据权益路径,均存在各自的局限性。对此,文章将从以下三个层面分析AI翻唱所涉法益的保护路径问题:第一,对目前全球已有AI翻唱所涉法益的保护路径进行分析与反思。第二,分析AI翻唱的技术逻辑、理论内核和保护目标。第三,从著作权规制的视角探讨建构AI翻唱著作权保护方案的意义,以期平衡AI翻唱的个人、商业和公共利益,从而兼顾技术发展和伦理保护。

二

AI翻唱所涉法益的保护路径方案选择与反思

(一)路径一:AI翻唱中基于声音权益的人格权保护

针对翻唱,我国司法实践已初步呈现出以《中华人民共和国民法典》(以下简称《民法典》)人格权规则保护声音权益的倾向,并将其作为优先适用的保护路径。2024年4月“AI声音权益第一案”中,原告殷某是一名配音师,起诉被告未经其许可将其声音用于AI文本转语音产品并商业化出售。北京互联网法院判决被告未经许可AI商业化使用原告配音师的“可识别性”声音,侵犯其作为人格权的声音权益。法院认为,自然人的声音具有人格利益,受法律保护,该法益的核心在于“可识别性”,即利用AI生成的声音,如果能使“一般社会公众”或者“相关领域的公众”(如广告制作商、配音行业人士)根据其音色、语调和发音风格,关联到该自然人,则可以认定具有可识别性。该案判决的另一个核心在于,即使被告拥有原告录音制品的著作权,也无权未经许可将原告的声音进行AI化处理并用于商业目的,从而确立了声音权益相对于录音制品版权的独立地位。2025年5月26日,最高人民法院将该案列为“民法典颁布五周年典型案例”,进一步强化了其指导意义。随后的实务发展表明,我国法院在认定“声音可识别性”时逐渐形成共识:不仅考虑AI合成声音的相似度,还要考虑权利人的社会知名度与实际经济影响。但是,“可识别性”的模糊导致了AI翻唱中基于声音权益的人格权保护路径呈现出不稳定性。2024年12月,成都铁路运输第一法院审理某配音员诉AI语音模型翻音侵权案的判决却走向了完全相反的方向,凸显了法律适用标准的不确定性。尽管原告提交的声纹对比报告显示,原告声音与涉案AI声音相似度高达90%以上,但法院最终以被诉侵权声音不具备“可识别性”为由,驳回了原告的全部诉讼请求。法院认为,被告使用的声音经过参数调整,已不足以让“一般社会公众”明确识别出原告,不具有“可识别性”,并进一步提出原告作为权利人,应当对“合理范围内的相似声音予以一定的容忍”。

这两起案件截然不同的判决结果,根源在于对“可识别性”这一核心要件的认定标准存在巨大分歧。北京互联网法院采纳了较为宽松的“相关领域的公众”标准,认为只要配音行业从业者等专业人士能够识别出原告声音,即可认定侵权。成都铁路运输第一法院则采用了更为严苛的“一般社会公众”标准,几乎要求达到“名人”级别的公众认知度,这无疑极大地提高了权利人的举证门槛。这种法律保护标准的摇摆不定,使得声音权益的边界变得模糊不清,为侵权行为留下了巨大的灰色地带。值得注意的是,即使模糊的“可识别性”标准在未来可以明确化,随着AI技术的进步,声音合成也将变得愈发复杂和隐蔽。未来的AI翻唱/翻音可能不再是简单模仿一个人的声音,而是将多个人的声音特征进行融合,创造出一种高度复杂的混合声音。这种声音既保留了某些知名人士的听感特质以吸引流量,又因其混合属性而难以被明确指向任何一个特定个体,从而规避了“可识别性”的要求。在这种情况下,声音权益的保护将形同虚设,艺术家的经济利益将难以得到保障。

除了“可识别性”标准的模糊,适用《民法典》人格权编保护的声音权益还存在其他不足。依据《民法典》第1023条第2款规定,对自然人声音的保护,参照适用肖像权保护的有关规定。然而,相较于稳定不变的肖像,AI声音因其多元化存在形态而不同于肖像的独特人格利益。声音与肖像在类型、表现形式、财产价值及侵权样态上均存在巨大差异。例如,声音作为一种无形客体,其本身无法被物理性地“污损”。随着AI技术的普及,诸如深度伪造、声音克隆等新型数字化声音侵权行为,也远非《民法典》第1019条规定的“丑化、污损、未经肖像权人同意公开”等传统侵权行为所能涵盖。如果直接“参照适用”肖像权进行规制,将导致受害人所获财产性赔偿偏低,法律威慑效果有限。以“AI声音权益第一案”为例,法院最后判决被告赔偿损失共计25万元。根据《民法典》的规定,人格权侵权的损害赔偿遵循“填平原则”,主要依据被侵权人的损失或侵权人的获利计算,但无法适用知识产权领域的惩罚性赔偿制度。由于人格权损害难以量化,且相关法律并未将侵害声音权益纳入可适用惩罚性赔偿的情形,导致权利人获得的经济补偿往往与其商业价值的损失不相匹配,难以对AI声音产业中具有巨大潜在商业利益的AI声音产业的侵权行为形成有效遏制。

(二)路径二:AI翻唱中基于数据权益的财产法保护

有研究者指出,在AI翻唱输入阶段涉及AI音乐训练数据合规性问题,这可能侵犯个人数据和商业数据权益。以“AI孙燕姿”为例,AI翻唱的本质是训练涉及孙燕姿音色的商业数据和个人数据,商业数据主要包括孙燕姿的歌曲和歌手演讲、采访音视频等;个人数据主要指歌手未在其他主体控权下的,来源于私人自媒体等的音视频。这些个人数据和商业数据本质上仍是指享有版权的作品,尽管2023年8月15日施行的《生成式人工智能服务管理暂行办法》第7条第2款规定,提供AI服务和开展模型训练不得侵害他人知识产权,但法律后果却并不明确。《生成式人工智能服务管理暂行办法》第21条规定了法律后果,但其底层逻辑是由有关主管部门依据职责予以警告、通报批评,责令限期改正;拒不改正或者情节严重的,责令暂停提供相关服务。这还是“行政处罚”思维,对AI翻唱侵犯的民事权益并未规定。

针对AI翻唱所侵犯的民事权益,应优先适用特别法规定予以救济。鉴于此,基于数据权益的财产法保护路径类似于“大而全”条款,只要AI翻唱涉及的数据权益侵犯了任何特别法规定的法益,均可优先认定为侵犯了特定法益。以“AI孙燕姿”举例,若能明确AI翻唱所使用的声音属于孙燕姿的个人信息,且未经孙燕姿许可在信息处理过程中侵犯了其知情权与选择权,则可由《中华人民共和国个人信息保护法》救济;再如,若“AI孙燕姿”翻唱涉及AI平台未经许可,爬取孙燕姿自媒体上的享有著作权的音频,并用于训练AI后生成新作品,则可能由《中华人民共和国著作权法》(以下简称《著作权法》)救济;若前述情况中用于训练AI后生成的新声音足以引起消费者将商品与由声音识别的自然人相关联,则可由《中华人民共和国反不正当竞争法》救济,这与商标法中的注册商标所具有的识别商标/服务来源作用有异曲同工之妙。

欧盟贯彻“数据权益”保护路径,以《欧盟人工智能法案》与《数字单一市场版权指令》共同构建了一个以“文本与数据挖掘”例外为核心的体系。该体系允许为AI训练目的复制受版权保护的作品,但赋予权利人以“机器可读”方式声明“保留权利”的权利。《欧盟人工智能法案》要求AI服务提供商履行透明度义务,该监管模式从根源上避免了使用未经授权的声音、旋律等语料训练人工智能的可能性。这是对2024年全球首份人工智能国际公约规定AI系统须保护个人数据(声音)及降低平台法律风险的回应。《欧盟人工智能法案》对通用型AI模型供应商施加了两项关键义务:(1)制定符合欧盟版权法的政策,特别是识别与遵守《数字单一市场指令》下的权利保留;(2)公开发布关于训练数据内容的充分详细摘要。这意味着,即使AI公司声称其数据来源“合法”,也必须事先对权利人的权利保留作出积极回应。《数字单一市场版权指令》引入了“文本与数据挖掘”例外,允许在一定条件下使用受版权保护的内容进行训练,前提是权利人未通过“机器可读方式”明确保留其权利。然而,这一例外本身使其在商业目的场景中的适用受到严格限制:商业AI开发者必须尊重权利人的“选择退出”的声明。2024年年底德国汉堡地区法院的判决认定,为AI训练创建数据集本身即构成“文本与数据挖掘”,因此受《数字单一市场版权指令》保护,但这仅涉及数据集创建阶段,实际训练时的版权合规性仍需权利人同意。因此,虽然表面上《欧盟人工智能法案》践行的是数据权益保护路径,但本质上还是回归著作权法的合规性。

(三)路径三:AI翻唱中基于公开权的著作权保护

美国对AI翻唱主要采取基于公开权的“著作权”保护路径。在美国,法律界与产业界主要在既有的著作权法与公开权框架内寻求解决方案。一般而言,唱片公司倾向于主张AI训练过程未经授权使用了受版权保护的录音制品,构成复制权侵权。例如,2024年6月美国AI音乐侵权第一案中,索尼等头部唱片公司指控Suno和Udio两家AI音乐平台未经许可,将其享有版权的大量录音制品用作训练数据,构成著作权侵权。AI音乐模型通常展现“过度拟合”(Overfitting)机器学习现象,即AI模型直接复制多数据源的部分数据用以训练,难于认定著作权侵权。正如在莱尔曼诉洛沃公司案(Lehrman v. Loveo Inc.)中,美国纽约南区联邦地区法院驳回了原告配音演员提出的其声音被用于训练Lovo模型而存在的著作权侵权主张,是因为原告未能就训练过程提供充分的事实陈述,并准予其修改诉状。这也预示着,如果原告能证明在AI训练过程中持续使用其原始录音制品中的声音片段,而不仅仅是模拟原声,则可能构成著作权侵权。另一方面,艺术家个人则更多地诉诸各州独立的公开权法律,即未经许可不得盗用其姓名、肖像及声音的商业价值。若个人声音被盗用,美国多数州可适用公开权防止未经授权使用个人身份,但只有24个州承认死后公开权,且多见于公众人物案件。标志性案例如1988年的米德勒案(Midler v. Ford Motor Co.),仅凭模仿嗓音进行商业广告,即使未直接复制录音,也可能侵犯名人的公开权。版权法本身无法保护抽象的“嗓音特质”——美国版权法仅保护“固定的录音”这一具体的作品载体,而非声音本身的可识别特征。

美国AI翻唱的法律规制经历了从判例法到成文法的转变。美国田纳西州于2024年率先出台《确保肖像、声音和形象安全法》(Ensuring Likeness Voice and Image Security Act),明确将个人的“声音”,无论是真实的还是模拟的,均纳入公开权保护范畴。联邦层面也提出了《禁止人工智能欺诈法案》(No Fakes Act)等议案,试图在全国范围内建立对数字复制品的统一保护。《确保肖像、声音和形象安全法》将声音定义为“任何媒介中的声音,只要该声音易于识别并可归属于特定个人,无论该声音包含其实际嗓音还是嗓音模拟”。这一定义的宽度远超许多学者预期,理论上甚至可能将职业模仿者纳入规制范围,尽管实际执法中可能考虑合理性。该法案的创新之处在于建立了多层次的二阶责任,不仅使用未授权声音的直接制造者要承担责任,出版、发行、传输已知未授权声音的平台或个人也要承担责任;甚至提供“其主要目的或功能”为生成AI声音或形象的软件、工具或服务的开发者,也可能被追责,这意味着,AI音色替换工具的供应商本身可能是潜在被告。值得注意的是,美国法的一个关键限制是著作权与声音的分离。在莱尔曼案中,法院认定AI生成的声音克隆如果是全新录制(而非直接复制原录音制品),就不构成录音制品的版权直接侵权,但可能触发公开权诉讼。这意味着,美国目前更多依赖身份保护而非作品保护来规制AI翻唱,但如果能证明AI翻唱技术正是直接复制原录音制品进行训练,那么因涉及受版权保护的作品,联邦版权法优先适用于州的公开权。

除了美国,其他国家也致力于为AI翻唱所涉法益设置专门立法保护路径。日本政府倾向于豁免未经授权使用素材训练AI音乐的行为,可援引公开权,日本演员及工会提出《关于使用生成式人工智能技术的提案》,建议从版权法层面制定“声音肖像权”以保护作者权益。此外,丹麦和荷兰等国在2025年提出了更为激进的方案,倡议在欧盟层面设立一种类似于著作权的人身识别特征权,将个人的声音和身体特征视为一种知识产权。

可以发现,目前全球有作为人格权的声音权益、数据权益和著作权三种路径,以保护AI翻唱涉及的不同法益。然而,各路径均有其局限:其一,我国声音权益的“可识别性”标准模糊、参照肖像权的适用空间不明、赔偿力度有限,即使能明确“可识别性”的要件,但将来如果存在更隐蔽的声音权益的经济利益依旧无法得到保护。其二,我国数据权益路径的法律后果不明确,且可能因为数据权益的内涵过大而导致涉及不同法益,从而请求权基础不明确。其三,在美国的著作权路径中,权利人难以证明AI训练使用了AI翻唱的原录音制品,致使无法适用联邦著作权法,而只能诉诸州法侵权行为的公开权救济,但我国并没有公开权制度。因此,深入剖析AI翻唱的技术逻辑,可以发现著作权规制的制度逻辑与技术逻辑相契合,有利于推动AI翻唱涉及的不同法益保护体系的重构与完善。

三

AI翻唱的技术逻辑与著作权保护的制度逻辑

面对既有AI翻唱规范方案的不足,如何选择恰当的保护路径与模式,或许可以回归AI翻唱的技术逻辑与自身的特殊属性来寻找方案。

(一)AI翻唱的技术逻辑

AI翻唱的本质是AI声音转换技术的一类特定应用,即将一个人的语音内容,用另一个人的声音特质重新表达出来的技术。学术界将其定义为“在不改变语言内容的情况下,将一个声音转换为听起来像另一个人的声音”。AI翻音技术是声音克隆,比声音转换更进一步,其本质是“创建一个特定声音的数字模型,使其能够根据任意文本或乐谱生成新的语音或歌声”。尽管声音转换与声音克隆在应用形态上有所区分,但其技术内核——“特征解耦与重构”——却高度一致。

从技术的角度看,AI翻唱基本上是用开源生成式语音训练模型,收集一些语音素材进行训练。其制作流程可分为“数据收集、数据处理、数据训练、推理生成”四个阶段。第一,在数据收集阶段,收集目标歌手的歌曲、演讲、采访或直播视频等可被用作训练AI的素材。第二,在数据处理阶段,人声的提取需要用到终极人声去除器(Ultimate Vocal Remover)。这是一个基于深度学习的人声与伴奏分离工具,使用其将人声与素材中的其他声音剥离,继而使用音频编辑器进行人声降噪(去除杂音、呼吸声及混响等),最后使用音频切片器将人声切割为短音频并舍弃空白的短音频片段。第三,在数据训练阶段,将上述短音频导入AI声音转换模型,由其识别人声的乐理特征、频域特征和能量特征等,综合训练AI翻唱歌手的音色和演唱风格。第四,在推理生成阶段,将拟让歌手翻唱的歌曲去除被翻唱歌手的声音后再导入AI声音转换模型,由模型将原歌曲中歌手的声音转换AI翻唱歌手的声音,并最终生成AI翻唱歌曲。

以“AI孙燕姿”为例,在数据收集阶段,准备好孙燕姿的歌曲、演讲、采访音频等训练集时,需要把人声提取出来,去掉和声和伴奏,以准备干净的人声。声音转换技术本质是对干净的人声进行音色替换,所以需要做替换的音频,也应该是干净的人声,然后把人声切成30秒以内的片段。下载一首新的歌曲,提取某人声部分,去除和声和伴奏,以供后续人声、伴奏混合时使用。得到转换后的人声音频后,需要把人声和伴奏混合。简单而言,制作“AI孙燕姿”的歌曲,首先需要获取孙燕姿没有伴奏和混响的原始声音。这些素材可以通过去伴奏或者人声提取的方式,从她的视频中获得。然后,将这些素材作为目标音色输入到模型中进行训练,得到一个可以生成孙燕姿音色的模型。接下来就可以用这个模型来将任意歌声转换为孙燕姿的音色的歌声。最后,再进行一些后期处理和调校,就可以得到听起来像孙燕姿唱的歌曲了。

打开网易新闻 查看精彩图片

图1 以“AI孙燕姿”为例的AI翻唱技术过程

这一“分解—提取—重组”的技术流程,清晰地界定了AI翻唱行为中多个权利主体的关键利益点,从而构成了法律争议的触发点。再以“AI孙燕姿”为例,其一,就构成训练集的涉及孙燕姿声音的各词曲作者和唱片公司而言,他们的利益主要体现在孙燕姿声音片段的再现与公开。当AI翻唱完整地保留了原歌曲的某些歌词片段时,直接触及了音乐作品的复制权与改编权。其二,对歌手孙燕姿而言,其核心利益在于声音本身附带的身份标识与商业价值。虽然音色替换没有直接复制其任何一个完整的录音制品,但通过提取所有孙燕姿歌曲训练集中的声音切片后建模并再现其高度可识别的音色特征,生成了“虚拟录音”。这实质上是对其身份的挪用及对其享有著作权的录音制品的碎片化复制。其三,就AI模型开发者和使用者而言,他们在获取歌手的样本录音进行训练时,可能未经授权复制了受版权保护的音频,也未经许可处理了作为个人生物特征信息的声纹数据。因此,AI翻唱的法律问题并非单一的著作权问题,而是涉及著作权(对原作品的保护)、人格权(对声音与身份的保护)及数据权益(对训练数据合法性的规制)的立体化碰撞。

(二)AI翻唱著作权保护的制度逻辑

在人工智能技术的推动下,AI声音克隆与翻唱已从技术探索演变为普遍的文化现象,也对现行法律体系构成了严峻挑战。目前,国内外对AI翻唱所涉法益的三条规制路径在应对AI这一新兴事物时,都显露出其固有的理论困境与实践难题,使得权利保护的图景变得复杂而模糊。面对法律适用上的竞合与混乱,需要深入剖析AI翻唱背后所交织的法理内核、多元保护目标及潜在的规范基础,从而探寻一种更为整合、更具适应性的制度逻辑。

1.AI翻唱的理论内核:人格权与知识产权的平衡

AI翻唱所引发的法律风暴,其理论内核在于两种基本权利的冲突与交织:一种是以保护个人身份标识为核心的人格权,另一种则是以保护独创性表达为核心的知识产权。声音作为一种独特的生理特征,既是识别个体、承载人格尊严的载体,又常常被固定于录音制品中,成为受著作权法保护的客体。AI翻唱技术恰恰作用于这一交叉地带,它既模仿了声音所蕴含的“人格”,又利用了录音制品这一“财产”,从而引发了一场关于权利边界的深刻论争。

人格权路径的保护逻辑,在于将声音视为与肖像、姓名同等重要的个人标识,其价值独立于任何具体的作品。这一思路在我国的司法实践中得到了初步的确立。在美国,与人格权相对应的“公开权”制度,同样为声音保护提供了重要依据,但其更侧重于保护声音的商业价值。然而,知识产权路径的支持者,特别是唱片公司等机构权利人,则坚持从著作权的角度寻求保护。核心逻辑是,AI模型的训练过程不可避免地需要大规模复制受版权保护的录音制品作为数据来源,其所提供的不是“声音”本身,而是包含声音的“语料”,这一行为本身就构成了对复制权的侵犯。这一路径的优势在于,它保护的是已经固化的、具有明确财产属性的“作品”,法律关系相对清晰,且能够将产业链上的词曲作者、录音制作者等多个主体纳入保护范围。这与技术逻辑相吻合,训练模型时用到的是被翻唱者录音制品和个人享有著作权的音频,只是将其切片后训练,只要能证明最后生成的翻唱音频“碎片化”侵犯了AI翻唱者的录音制品,那么优先适用著作权侵权,这和美国对涉及受版权保护的作品,联邦版权法优先适用于州的公开权的逻辑是一致的。

人格权与知识产权两条路径的紧张关系,在2025年7月美国南区法院对莱尔曼案的裁定中得到了集中体现。虽然法院驳回了原告关于AI生成的声音构成演绎作品侵权的诉求,认为版权法保护的是固定的录音表达,而非抽象的声音特质,但如果原告能证明在AI训练过程中持续使用其原始录音制品中的声音片段,而不仅仅是模拟原声,则可能构成著作权侵权。另一方面却支持了原告基于纽约州民权法提出的公开权侵权主张,认为未经授权将他人声音用于商业目的的行为是可诉的。这一判决清晰地揭示了两种权利的界分:著作权保护“作品”,而人格权(或公开权)保护“身份”。AI翻唱的规制困境,正源于其行为同时侵犯了这两个法益。因此,任何有效的制度设计都必须在这两种权利之间寻求审慎的平衡,既要承认声音作为人格标识的独立价值,又要尊重其作为独创性表达在知识产权体系中的地位。我国著作权法不仅保护人身权利,同时也保护财产权利,恰恰能平衡人格权与知识产权。

2.AI翻唱的保护目标:保护与利用的平衡

法律规制的终极目标并非扼杀技术,而是在保护与利用之间寻求一种动态平衡,从而引导技术“向善”发展。就AI翻唱而言,这意味着法律制度的设计必须在有效保护创作者合法权益与鼓励技术创新、促进文化繁荣的社会公共利益之间,找到一个最佳结合点。过度保护可能导致技术发展的停滞,扼杀新兴的创作模式和商业机会;保护不足则会动摇创作的根基,最终导致整个文化产业的萎缩。

保护创作者的合法权益,是法律介入的首要动因。一个健康的音乐产业生态,依赖于一个简单而稳固的循环:音乐人投入心血创作出具有独创性的作品,作品流入市场获得听众的喜爱与认可,创作者因此获得由版权产生的经济回报与精神激励,从而激发持续创作的热情。未经授权的AI翻唱行为,正以前所未有的方式冲击着这个生态系统的根基。当创作者精心打磨的作品,模仿者仅需几行代码即可被轻易模仿、复制乃至超越,其创作的价值感与积极性无疑会受到巨大侵蚀。正如环球音乐集团(UMG)在2024年1月致TikTok的公开信中所言,允许AI生成内容泛滥,无异于“赞助艺术家被AI取代”,将“极大地稀释人类艺术家的版税池”。日本知名声优们在2024年10月发起的“杜绝未经授权的AI生成内容”(NOMORE Unauthorized AI Generation)运动,也发出了同样的呐喊:“我们的声音是我们的商业工具,是我们的生命,是我们成长起来的重要组成部分。”这种来自产业一线的强烈呼声,凸显了建立有效保护机制的紧迫性与必要性。与此同时,法律也必须为技术的合理利用与创新发展预留充足的空间。AI作为一种强大的创作工具,其本身并无可责性,其潜力正被越来越多的从业者所认识和接纳。音乐人格兰姆斯(Grimes)在2023年开创性地推出了自己的声音AI模型,允许粉丝和创作者使用其声音进行创作,并与之分享50%的版税。这一举动展示了技术作为“盟友”的可能性,即通过建立合理的授权与补偿机制,AI可以成为艺术家拓展创作边界、开辟新收入来源的有力工具。此外,AI在音乐教育、残障人士的发声辅助、跨语种文化传播等领域也展现出巨大的社会价值。

“合理使用”制度正是著作权法中实现保护与利用平衡的核心机制。它允许在某些特定情形下,如评论、批评、新闻报道、教学或研究等,未经许可使用受版权保护的作品。在AI训练数据的语境下,AI开发者普遍主张其行为属于一种“转换性使用”,目的并非复制作品内容,而是从中提取非表达性的数据模式,以构建一个全新的、具有不同功能的工具。尽管这一抗辩在司法实践中充满不确定性,但它指明了一个重要的方向:法律需要区分不同性质的使用行为。例如,用于非商业性学术研究的AI训练,与旨在生成商业替代品的模型训练,其法律评价和社会价值显然不同。欧盟的《数字单一市场版权指令》便体现了这种区分,它为科研目的的“文本与数据挖掘”提供了豁免,同时又赋予权利人对商业性挖掘的“选择退出权”。

因此,AI翻唱的保护目标,绝非简单地在“保护”与“利用”之间二选一,而是要构建一个精巧的、多层次的规则体系。这个体系应当能够清晰界定侵权的红线,为权利人提供充分且有效的救济,特别是通过引入惩罚性赔偿等制度,对恶意侵权行为构成强大威慑。同时,它也应通过灵活的合理使用制度和创新的许可模式(如集体许可、版税分成),为技术的良性发展和文化的二次创作开辟合法路径,最终实现创作者、技术开发者与社会公众之间的共赢。

3.AI翻唱著作权保护的规范基础:碎片化侵权理论

要将AI翻唱纳入著作权法的规制轨道,最大的障碍在于如何论证其构成对原录音制品的“复制”,尤其是如何跨越“实质性相似”这一传统侵权认定的高门槛。以“碎片化侵权”(Fragmented Infringement)或“部分字面相似”(Fragmented Literal Similarity)理论作为规范基础,能够为这一难题提供有力的解释框架。这一理论主张,即便每次复制的量微不足道,但当这种复制行为是系统性的、大规模的,并且复制的内容构成了原作的核心表达时,也可以构成侵权。

这一理论的经典判例是2008年美国法院审理的“华纳兄弟娱乐公司诉RDR图书公司案”,即广为人知的“哈利·波特百科全书案”。在该案中,被告创建了一个《哈利·波特》百科网站,系统性地摘录了原著中的人物、咒语、地点等词条,并附上原文片段。尽管每个词条的引用量很小,但法院最终认定,这种系统性的、积少成多的摘录行为,构成了对原著复制权的侵害。法院的逻辑是,被告并非随机、零散地引用,而是以一种旨在替代原作部分功能的方式,系统性地“掏空”了原著的核心元素。这种“定性定量”的分析方法,为判断实质性相似提供了超越传统“整体比对法”和“抽象—过滤—比较法”的第三条路径。无独有偶,我国北京市朝阳区人民法院在审理小说《庶女有毒》(后改名为《锦绣未央》)抄袭案时,也运用了类似的逻辑。被告对指向12位知名作家的16部小说进行了分散的、大量的抄袭,虽然单处看来可能只是语句或情节的相似,但法院通过整体分析,认定其抄袭行为具有系统性和规模性,最终判定其构成实质性相似,侵害了原作者的复制权等权利。这两个案例共同昭示了一个法理:侵权与否,不仅取决于复制的“质”,也取决于复制的“量”与“方式”。

将“碎片化侵权”理论应用于AI声音克隆,其技术过程与法律逻辑便能实现惊人的契合。以音色转换技术为例,其工作原理并非凭空创造,而是对已有音频的“解构”与“重构”。首先,AI模型在训练阶段,必须“接触”并“学习”大量包含特定歌手声音的录音制品,这天然满足了著作权侵权认定中的“接触”要件。其次,也是最关键的一步,模型对这些录音制品进行特征提取和参数化的过程,正是对原作中受保护的独创性表达(即体现歌手独特声音的短音频切片)进行一次又一次的“碎片化复制”。每一个音素的发音方式、每一个颤音的频率变化、每一种语气的细微差别,都被模型分解、提取、编码为一个个数据点。这个过程无疑是对原录音制品中无数微小声音片段的复制,尽管这些片段在最终输出中被重新组合,但其来源的非法性并不能因此被抹去。

因此,依据“碎片化侵权”理论,这种大规模、系统性的AI化处理行为,完全可以被认定为与原录音制品构成“实质性相似”。最终,无论是“AI声音权益第一案”中生成的AI语音,还是“AI孙燕姿”的翻唱歌曲,其目的和效果都是使听众能够清晰地将该声音与特定主体联系起来。这种听感上的高度相似性,正是无数次“碎片化复制”累积的结果,它反向即佐证了侵权行为的存在。通过重构对“实质性相似”的理解,将AI声音克隆的技术过程解释为一种“碎片化复制”,可以将此类行为牢固地置于《著作权法》中复制权的规制框架之下,从而为权利人提供一条坚实而有力的维权路径。

四

AI翻唱著作权保护路径的规范展开

基于前述对AI翻唱技术逻辑与制度逻辑的分析,本文主张构建以著作权法为核心的保护路径,并通过财产权利与人身权利的双重维度进行规范化展开。这一路径不仅能够有效应对AI训练阶段的侵权行为,还能全面回应声音承载的财产价值与人格利益,从而在保护创作者与促进技术发展之间取得平衡。

(一)基于财产权的著作权保护路径

AI翻唱著作权保护路径的规范化展开,其核心在于将“碎片化侵权”理论作为认定复制权侵权的补充性判断标准。传统的“整体比对法”或“抽象—过滤—比较法”在面对AI翻唱时显得力不从心,因为AI模型并非对作品进行宏观上的模仿,而是通过在微观层面系统性地复制海量声音片段来学习并重建音色。正如“哈利·波特百科全书案”所揭示的,侵权的“实质性”不仅体现在复制的“质”上,也体现在复制的“量”与“方式”上。AI模型训练正是这种“碎片化字面相似”的典型体现:它将受版权保护的录音制品分解为无数个声音切片,并对这些包含独创性表达的片段进行大规模、系统性的复制与编码。尽管单个切片微不足道,但其累积效应足以“掏空”原录音制品中最具价值的音色特征,最终生成具有高度市场替代性的“虚拟录音”。

因此,在司法实践中,认定AI翻唱是否构成复制权侵权,应引入一种新的分析范式。首先,权利人需证明被告“接触”了其享有著作权的录音制品,这在AI训练需要海量数据的背景下通常不难证明。其次,法院应审查AI训练过程是否对原录音制品进行了系统性的、以提取和重建音色为目的的“碎片化复制”。此处的审查重点并非最终生成的AI歌曲与某一首原作品的相似度,而是AI模型训练的过程,即AI训练本身是否通过复制原作品的无数“碎片”而构建。一旦能够证明这种系统性的复制行为,即可认定其在“量”与“方式”上构成了对原作品的实质性利用,从而落入复制权的控制范围。这一路径不仅与AI的技术逻辑高度契合,也为录音制作者、词曲作者等产业链上的权利主体提供了清晰、有力的维权依据,并可通过适用惩罚性赔偿制度,有效遏制以商业盈利为目的的恶意侵权行为。

(二)基于人身权的著作权保护路径

著作权法路径的优越性不仅在于对财产权的有力保护,更在于其能够有效吸收和保护声音所蕴含的人格利益。我国《著作权法》第10条明确规定了包括署名权、修改权和保护作品完整权在内的著作人身权,即作者的精神权利。这一“财产权—人身权”二元结构,使得著作权法天然具备了平衡知识产权与人格权的制度基因,能够对《民法典》人格权路径的不足之处形成有效补充。未经授权的AI翻唱行为,实质上是对原表演者表演风格和声音特质的篡改与利用,这直接冲击了表演者对其表演形象所享有的精神权利。但著作权法不保护风格,只保护作品的表达,碎片化复制侵权理论恰恰能弥补财产权侵权的认定缺陷;只有表演风格和声音特质涉及作者的人格权益时,才能构成人身权侵权。

具体而言,AI翻唱可能同时侵犯表演者的多项精神权利。其一,侵犯保护作品完整权。当AI模型生成的翻唱歌曲在音准、节奏或情感表达上存在瑕疵,甚至被用于演唱低俗、不雅内容时,无疑构成了对原表演者艺术形象的“歪曲”和“篡改”,损害其声誉。其二,侵犯署名权。AI翻唱的使用者往往只标注“AI孙燕姿”等模糊标识,却忽略了原始表演者,剥夺了表演者表明其身份并获得精神激励的权利。其三,侵犯修改权。将原表演者的声音用于其从未演唱过的歌曲,本质上是对其表演作品的一种“修改”,这种修改若未经授权,同样构成侵权。相较于《民法典》人格权路径下损害赔偿计算困难、赔偿金额有限的问题,著作权法下的精神权利保护提供了更为明确的法律依据和更具威慑力的救济措施,能够更好地维护艺术家的职业尊严与人格利益。

因此,通过将AI翻唱行为解释为对著作权中财产权与人身权利的双重侵害,不仅可以为权利人提供一个请求权基础更为稳固、救济措施更为全面的法律框架,还能避免在人格权与知识产权之间进行“二选一”的理论困境。这一整合性的保护路径,既承认了声音作为身份标识的人格属性,又将其牢固地置于知识产权的保护体系之内,实现了对创作者权益的最大化保护。

结 语

本文系统地探讨了AI翻唱引发的法律挑战,并最终主张构建一个以著作权法为核心的综合性保护框架。通过引入并适用“碎片化侵权”理论,可以将AI模型训练对海量声音片段的系统性、规模化复制行为,解释为对原录音制品复制权的侵害,从而有效克服传统“实质性相似”认定的障碍。这一解释路径不仅与AI声音转换与克隆的“分解—提取—重构”技术逻辑高度吻合,也为录音制作者等权利主体提供了坚实的财产权保护基础,并能够通过惩罚性赔偿等制度对商业性侵权行为形成有效威慑。更重要的是,我国著作权法独特的“财产权—人身权”二元结构,使其能够同时回应声音所承载的财产价值与人格利益。通过保护作品完整权、署名权等人身权利,著作权法能够有效规制对艺术家表演形象的歪曲和篡改,弥补了人格权路径在救济措施上的不足。此外,辅之以灵活的合理使用制度与创新的集体许可模式,以期能够在保护创作者核心权益、鼓励技术创新应用与促进文化繁荣的多元目标之间寻求平衡,为AI时代的音乐产业健康发展提供法律指引。

-向上滑动,查看完整目录-

《人权法学》2026年第3期目录

【中国人权发展道路研究阐释】

1.“革命型人权”:中国新民主主义革命人权模式探析

谭堾垿、鲁广锦

【专题研讨:人工智能时代的知识产权问题】

2.论机器署名的权利

王鑫

3.人类发明家的终结?

——人工智能时代发明人制度的法理基础与规范重塑

代志在

4.AI翻唱:著作权侵权、人格权侵权还是数据法违规?

蔡葵

【本期聚焦:全球治理中的工商业与人权】

5.以制度主义理论重构北方国家企业社会责任标准

[荷]汤姆·茨瓦特 著、荆超 译

6.“工商业与人权”议题在联合国体系中主流化的实证分析

唐颖侠、史欣怡

【人权司法保障研究】

7.论家庭暴力案件中的女性权益保障

——以刑事一体化为视角

步洋洋、郭沁春

【部门法中的人权问题研究】

8.个人破产立法的范式演进及其人权价值

朱姗姗

9.自我呈现视角下的人格权保护

冯婉淇

2021年8月,国家新闻出版署批准创办《人权法学》期刊,由重庆市教育委员会主管、西南政法大学主办、国务院新闻办公室人权发展和交流中心协办,西南政法大学人权研究院《人权法学》编辑部编辑出版。《人权法学》秉持“中国立场,全球视野”的理念,兼怀中国人权实践和全球人权事业,观照人权之价值、制度与文化,倾力人权实践,通透人权法理,研拟人权策略,以期汇聚中国人权智识,服务人权教育、研究、实务、资政与传播,积淀中国人权文化,厚重中国人权之根基。

点击进入下方小程序

获取专属解决方案~

责任编辑 | 李雅文

审核人员 | 孙妹 王晓慧

本文声明 | 本文章仅限学习交流使用,如遇侵权,我们会及时删除。本文章不代表北大法律信息网(北大法宝)和北京北大英华科技有限公司的法律意见或对相关法规/案件/事件等的解读。