去年以来，人工智能（AI）音乐合成技术的广泛应用引起音乐从业者的强烈担忧，也对版权制度提出新挑战。AI合成音乐在国内引起广泛关注的代表性事件是“AI孙燕姿”的爆火。据媒体报道，“AI孙燕姿”完成演唱的歌曲总数已经超过1000首，远超歌手本人出道以来的作品总和，此类AI歌曲在视频网站的累计播放量超过千万次。

  国内外关于AI合成音乐的各类事件反映出音乐权利人与AI服务行业之间已产生了利益冲突和著作权法律困境。当前，亟待揭示AI合成音乐的风险表现，明晰产业应用的边界，检视现行制度之下著作权风险的防范困境，对比借鉴国内外立法，寻求AI合成音乐著作权风险的化解对策，希冀有利于深化AI的知识产权问题研究，助力AI赋能产业应用和依法合规发展。

  机器学习对象亦包含受版权保护作品

  AI合成音乐涉及的著作权风险伴随合成音乐的整个生成过程，故在评估其著作权风险之前有必要对其生成过程进行解析。从合成声音来看，AI合成音乐使用的核心技术源自一种声音转换模型，它可以将不同的声音进行自由转换，并且高度还原目标歌手的音色、惯用唱腔和发音特点，进而合成与目标歌手演唱风格相一致的音乐歌曲，基本能够达到难以辨别的真实度。

  从技术原理上分析，AI合成音乐是通过采集目标歌手的声音素材并进行反复“训练”，最终输出接近歌手本人音色的声音模型。这个模型需要大量的训练数据和不断反复迭代的训练过程，以使生成的输出效果尽可能接近目标歌手，目前代表性的相关技术有So-vits-svc、VITS、soft-vc、VISinger2等。按照上述原理，AI合成音乐的便利化程度及其仿真程度已经很高，用户使用AI合成音乐服务十分便利，歌曲创作变得触手可及，用户无需具备专业的音乐制作知识，就可以创作出歌曲。

  侵害复制权的风险源于AI系统进行的数据采集与使用行为。AI的“智能”源于其强大的学习能力，大量数据的“喂养”使其深化对模仿对象风格和特征的认识，这个过程包括阅读和学习两个主要阶段，也称为机器学习。机器学习是培养机器智能的必要手段，机器学习的对象主要是现有素材，其中包含了受版权保护的作品。AI合成音乐侵害复制权的风险同样体现在机器学习过程中，机器学习的对象不仅包括数字化的音乐作品，还包括数字化的音乐录音制品。

  储存训练数据的复制权侵权风险

  机器输入中对数字形式音乐作品的备份可能构成复制行为。AI服务提供者需要构建一个数据库，并用一个合成音乐的算法模型不断训练，从概率上无限接近于特定歌手的音色和演唱风格，最终达到足以“以假乱真”的水平。数据库的构建需要将大量数字化音乐作品作为训练素材导入素材库，需要储存数字复制件，可能构成对原音乐作品复制权的侵害。按照我国著作权法，数据留存行为可能落入复制权的控制范围。实践中也出现了对将音乐作品用于机器模型训练的反对声音，2022年10月，美国唱片业协会（RIAA）警告称，AI供应商使用现有音乐来训练他们的机器，“是一种集体侵犯版权的行为”。在2023年5月举办的第八届音乐产业高端论坛上，拥有孙燕姿歌曲版权的环球音乐集团相关负责人对“AI孙燕姿”问题表明立场：“AI公司如果要使用我们的作品，必须要先得到许可，必须要合法地使用。”该负责人同时表示，环球音乐集团已要求流媒体平台“删除由AI生成的歌曲”。不过一些词曲作家或歌手并不反对使用AI，认为可以通过收取版税的方式取得合法授权。

  音乐采样与输出也同样存在复制权侵权风险。音乐采样是指从现有歌曲录制品中采集曲调、旋律或节奏，用于即将创作的作品当中，在具体使用过程中，可以对样本的音色、音调进行不同程度的调整，也可以将样本直接加入到新作品中。由于采样对象中含有音乐作品的曲调、表演者演唱并经录制者固定的声音，在采样时不仅可能侵犯音乐作品的著作权，还可能侵犯围绕录音制品产生的邻接权。AI合成音乐也可以从现有歌曲中采样，如果对被采样歌曲进行机械复制（未进行一定的艺术加工便融入新作品），使得AI合成音乐的词曲等核心组成部分与现有音乐作品有一定程度的重合，若二者构成实质性相似，则可能构成侵权。据AI生成音乐领域的谷歌Music LM模型的开发团队披露，该模型使用了28万个小时的音乐来训练，然而在研究人员发现该模型存在“生成不当内容风险”（Music LM生成的音乐中，有1%会直接照搬版权作品）后，该公司一直没有发布成品。

  利益分配需考虑多方主体

  值得注意的是，关于AI表演中是否涉及音乐作品词曲作者的权利问题，有学者提出“词曲作者不在场”的观点，理由是“在名义上，词曲作者是名正言顺的权利人，有权直接否认AI表演的合法性，但这种否认并不符合法理。事实上，AI表演是与词曲作者无关的事情，他们不操心也不应当操心AI表演的影响”，进而得出“在制度安排的价值判断中，知识产权法无需考量词曲作者的得失”的结论。

  这一观点值得商榷：其一，为什么词曲作者“有权直接否认AI表演的合法性，但这种否认并不符合法理”？这与该学者在同一篇论文中提出的“AI表演最可能侵犯的权利恰恰是音乐作品的著作权”观点似有矛盾。其二，正是因为实践中词曲作者的权益经常被忽略，所以才需要包括学者在内的全社会更加重视，以推动该项权利从被忽视的“纸上的权利”转化成“现实的权利”。因此，在提出“AI表演最可能侵犯的权利恰恰是音乐作品的著作权”的同时，却作出“在AI表演问题的研究中，词曲作者应当是‘不在场’的”“在制度安排的价值判断中，知识产权法无需考量词曲作者的得失”的结论，无疑是对本来就被忽略的词曲作者利益的“再次忽略”。其三，前文引述的国内外音乐作品作者反对AI表演擅自使用其作品的实例表明，音乐作品权利人并非“不在场”，而是对自己在AI表演产业链条中的主体地位有清醒的认识，并且一直在积极主张权利。因此，认为在产业利益中不考虑词曲作者的观点，既不符合法理，也不符合实践，对处于AI表演产业链源头的音乐作品权利人而言更难言公平。

  概言之，将他人的音乐作品用于训练算法模型，提取词曲、旋律等内容作为音乐样本、音乐元素以辅助生成音乐，如未获得相应授权，可能构成侵权。同时，由于将他人的音乐作品用于自己的商业活动，比如AI 开发者将他人的音乐作品提供给用户自由使用，属于利用他人的音乐作品进行营利活动，因此难以主张侵权豁免，存在侵害复制权的风险。

  在世界范围内观察，正是为了应对AI创作在使用训练数据时可能会侵害复制权的法律风险，欧盟《单一数字市场版权指令》第二章规定了机器学习有关的例外情形，第三条规定了以科学研究为目的的文本与数据挖掘的例外，第四条规定了出于其他目的的文本与数据挖掘的例外。前述规则为AI训练行为的数据复制问题提供了安全框架，为AI时代的机器训练铺平了道路。由此，不难窥见AI合成音乐面临的侵害复制权风险是客观存在且无法回避的，亟待学理层面和实践层面推动解决。（作者焦和平系西安交通大学法学院教授、博士生导师；梁龙坤系西安交通大学法学院博士研究生）

作者：焦和平、梁龙坤

来源：中国新闻出版广电报