对谈周凡、戴越 :AI生成声音侵权的认定标准与举证责任

对谈海润天睿周凡、戴越律师

AI生成声音引发的侵权争议，涉及声音权益的保护范围、可识别性的判断以及训练事实的证明。声音在听感或声纹上的相似性，能否建立其与特定自然人之间的对应关系，需要结合使用场景和受众范围加以分析；训练素材来源与生成过程对侵权认定的影响，则进一步涉及实体判断与举证责任的衔接。

基于上述问题，本次对谈邀请对外经济贸易大学法学院助理教授曾田与海润天睿周凡、戴越两位律师，围绕两位律师于2024年代理的两起生成式AI声音侵权案件展开讨论。从技术事实还原与声纹比对证据入手，对谈考察声音可识别性的判断方法、训练记录的证明作用及举证责任的分配，并结合办案经验，讨论AI产品合规、律师能力培养与专业服务价值。

一、声音生成机制与技术事实的还原

曾田：你们在2024年接到生成式AI声音侵权案件时，首先遇到的难点是什么？它与以往的侵权案件有什么不同？

周凡、戴越：我们代理的是被告。原告是配音演员，认为被告开发并向公众提供的配音软件产品中的AI生成声音与自己的声音相似。当时国内相关案件还不多，声音权益的保护标准也没有形成很成熟的体系。我们检索了论文和案例，但具体到“可识别性”怎样理解、在案件中怎样证明，可以直接参考的材料很有限。

以往办理著作权案件，被告有没有使用对方的图片、小说内容或者影视画面，通常可以先看出来，再讨论哪些部分受到保护、相似程度如何。声音却看不见、摸不着。对方提交一段录音，说这个声音侵权了，我们首先要弄清楚，他主张保护的是什么，被诉声音又究竟在哪里与他相似。

另一个难点在于技术。当时大家对AI训练和生成声音的过程还没有现在这么熟悉，律师要先理解技术，法官审理时也需要了解这个过程。这些问题都要从头梳理。

曾田：你们怎样向客户了解技术？涉案产品中的声音究竟是怎样形成的？

周凡、戴越：第一步是与公司的技术人员沟通。这个声音到底怎么生成，有没有使用原告的声音，如果没有，为什么听起来会相似？这些问题先要由我们自己弄清楚。

按照公司向我们介绍的情况，被告开发的产品使用多种声音素材进行训练，形成一个可以生成不同音色、语调的声音矩阵，再从中人工筛选。它主要用于促销、广告叫卖，有些门店没有很高的预算请真人录音，就会使用这种配音软件产品。促销叫卖场景需要比较高亢、激昂的声音，开发者便从生成的声音矩阵结果中逐步挑选，最后上线的只有十几个。用户选择声音、输入宣传用语，就能生成相应的促销广告叫卖音频。

这与我们当时了解的北京互联网法院声音克隆案件有所不同。在那个案件里，多个被告都认可使用了原告的声音进行AI训练，主要争议在初始获得原告授权使用声音合同的授权范围是否包含AI训练；在我们代理的案件里，被告是否使用了原告的声音，本身就有争议。我们需要向法院解释，多种声音经过训练和筛选，与针对某一个人的声音进行一对一克隆，在技术过程上有什么区别。

曾田：原模型的训练记录能够还原这个过程吗？你们后来为什么专门做了一个演示？

周凡、戴越：当时公司的训练记录保存得不够完整。模型已经训练出来了，但基于哪些素材、经过哪些步骤形成最终模型，无法完整还原。而且训练整个模型大概需要几十天的时间，重新复现这个过程，对被告来说，这也是很大的困难。

后来我们与被告一起做了一个小模型的演示。技术人员用大约五个小时，做出一个能够生成一百余种声音的演示模型，让法官看到，从多种声音素材到多种生成结果，整个过程可以怎样发生。

这个演示呈现的是技术机理，原模型当年的完整训练记录仍然缺失。我们希望借此回应一种很自然的判断：两个声音听起来很像，并非一定使用了对方的声音。多种声音经过训练和筛选，也可能产生听起来相近的结果。至于最后生成的声音是否侵害了原告的权益，还要结合声音比对和具体使用继续讨论。

二、声音比对证据的审查与质证

曾田：法院在审理中更看重生成过程，还是最后的声音比对？你们又怎样回应“听起来像”这个判断？

周凡、戴越：两个方面都看。我们遇到的法官很愿意听当事人和律师解释技术，审理中既讨论了声音比对，也详细听取了生成原理的说明，只是判决没有把整个审理过程都展开写出来。

除了说明声音怎么来的，我们还做了两个方向的取证。一个是同一个作品由不同配音演员来配，可能出现相似的效果。例如宏大场景下比较正式的宣传片配音，不同演员处理出来，听感可能很接近。另一个是同一位配音演员可以呈现很多种声音。我们对原告在社交媒体账号上发布的不同风格的作品作了取证，把日常、可爱、活泼、沉稳等不同声音状态呈现给法官。

我们希望说明，一个人能够发出多种声音，不同的人也可能呈现相近的声音。判断一段声音能否指向特定的人，需要先面对这些实际情况，不能只凭某一种听感就认定二者存在稳定的对应关系。

曾田：原告还提交了商业平台的声纹比对结果。面对这样一个看起来很精确的数字，你们怎样提出反证？

周凡、戴越：我们先研究这个声纹比对平台适用于哪些场景、结果有哪些局限，再与技术人员沟通。例如，有些声纹识别功能可以用于手机或者门锁，但能够接触设备的人本来就有限。在这个范围内完成识别，与诉讼中判断两个声音是不是来自同一个人，对精度的要求并不相同。

接下来，我们把不同男性、不同女性、男性与女性、原告与被告，以及案外人的声音放进同一平台，做了多组对照。结果发现，有些明显不同的声音，比对值也很高。随机选择的男女声音的比对会出现百分之六七十的数值，有的不同声音可以达到百分之八十左右。放在这些对照中，原告提交的百分之八十、九十左右的结果究竟说明什么，就需要重新分析。

我们还发现，同样两个音频，在不同环境条件下作比对，数值会有较大波动。我们把这些结果呈现给法院，说明这个数字需要结合平台的适用条件和比对方法来理解。这也是一种取证思路：对方提交了一个结果，律师还要检验这个结果究竟能够证明什么。

曾田：如果对方提交的是正式司法鉴定意见，还能用同样的方式反驳吗？AI声音与真人声音的鉴定，又有什么特殊问题？

周凡、戴越：我们当时的质证以及反驳证据针对的是那个商业平台。如果原告提交的是正式司法鉴定意见，质证时面对的问题和反驳难度会不同，需要有更充分的依据去回应。对某一个平台比对过程、比对方法的测试反驳，不能用来评价所有平台的声音比对方法。

司法鉴定还涉及适用标准。按照我们在办理相关案件时向技术人员了解的情况，当时还缺少能够直接适用于AI生成声音与真人声音比对的专门标准，实践中可能参考自然人之间声音同一性鉴定的方法。这类方法会提取音频中的特定片段，选择具有特征的发音点作比较，并非把一整段话直接拿来比对。

我们关注的是，采用什么标准、这种方法怎样适用于AI声音，要有可以说明的依据。即使最终采用相同标准，也需要把适用问题解决好。这与是否应当提高对AI声音相似的容忍度，是两个不同的问题。

三、声音权益的保护范围与可识别性

曾田：配音演员可以呈现多种声音，那么声音权益究竟保护什么？能否把某种音色直接界定为一个人的专有对象？

周凡、戴越：这也是双方在案件中争论过的问题。原告一方曾经试图把保护对象固定为某种音色，我们认为，这样界定范围有问题。一个人使用某种音色，并不表示这种音色本身就归他所有。音色听起来相似，与受众能够通过一段声音识别出某个人，是不同的问题。

这也是声音与图片、文字作品不太一样的地方。图片、文字相对固定，可以结合具体载体讨论哪些表达受到保护。声音虽然能够录下来，大家听了也会有感受，但进一步要说清楚，哪些音色、语调、节奏或者表达方式是这个人特有的，就困难得多。

所以，我们既要讨论声音的相似程度，也要讨论这种相似能否使受众把它对应到原告。这种保护范围上的困难，会影响后面的比对、取证和法律判断。

曾田：如果可识别性与知名度有关，会不会最后只有明星的声音受到保护？普通人和配音演员应当放在什么范围内判断？

周凡、戴越：我们内部也讨论过。每个人原则上都享有声音权益，但具体案件还要看被诉使用怎样侵害了这个人的利益。我们当时参考过姓名权案件的思路，使用某个主体的名字，并不当然是在使用与该主体对应的身份。放到声音案件里，一个重要问题就是，相关公众能不能把声音对应到原告。

这个范围未必是全社会，也可能是特定群体。例如，有人模仿普通人的声音，定向给他的亲属打诈骗电话，相关受众就是这些亲属。他们能够识别这个声音来自于他的亲属（虽然是被诈骗），并不要求这个人在社会上有广泛知名度。

我们之所以较多谈到知名度和商业价值，是因为接触的案件多发生在商业场景中。从诉讼经验看，明星往往更容易证明，受众听到声音就会想到他；配音演员可能在某些作品、某一类受众中具有识别度，同时又能呈现多种声音，需要结合具体使用判断。这些差别会影响可识别性的证明，也会影响保护范围、商业价值和开发者注意义务的讨论。

因此，我们更倾向于从声音的用途和受众出发作区分。商业使用与诈骗、冒充等情形，保护理由和判断过程会有不同。普通人的声音当然需要保护，讨论这个问题也不能全部放在商业化利益之下。

曾田：反过来说，如果生成的声音确实能够让人想到某位明星，但开发者证明使用的是其他素材，是否就可以排除侵权？

周凡、戴越：我们认为不能只看素材来源。比如生成的声音已经能够让人对应到一位具有很高知名度的人，即使开发者说明使用的是其他素材，商业使用仍可能侵害这个人附着于声音上的利益。这也与开发者的注意义务有关。

所以，声音怎么来的与声音被怎样使用，法院都需要考虑。我们在本案中解释多种声音的训练过程，是为了回应从相似直接推断训练使用的逻辑。后续使用会不会侵害特定人的权益，还要放回具体场景中判断。

四、训练事实的证明与举证责任分配

曾田：声音相似、可识别性、训练来源都需要证明。考虑到双方掌握证据的能力，你们认为举证责任怎样分配比较合理？

周凡、戴越：我们的看法是，可以把声音像不像、声纹鉴定这一部分交给原告，把声音怎样训练、怎样生成这一部分交给被告。训练过程的材料主要掌握在模型公司手里，这样分配相对符合双方的举证能力。如果被告主张没有基于原告的声音训练，就应当展示训练过程以及训练素材是什么样的来源。

在分析方法上，也可以借鉴著作权案件的思路。原告要说明自己主张的保护对象，证明被诉行为；被告则可能从是否构成作品、是否构成近似、来源和使用方式等方面提出抗辩。只是声音的保护边界不像图片、文字那样容易固定，借鉴这种分析方法时，还要注意保护对象本身的差异。

从原告代理人的角度，我们也在思考，能不能申请法院调取，或者责令对方提交相关训练材料。原告无法直接接触模型内部的数据和记录，怎样通过诉讼获得这些证据，是很现实的问题。

曾田：面对海量训练数据，被告究竟要证明到什么程度？如果记录没有保存，还能像当时那样通过演示来说明吗？

周凡、戴越：我们当时面对的是原有记录不完整的实际情况，所以用其他方式向法院解释。对于今后的案件，我们倾向于认为，随着企业对AI模型训练过程的管理更完善、相关监管要求更明确，仅仅说“记录没有保存”，会越来越难以形成充分的抗辩。被告如果主张声音来自自己的训练过程，就需要拿出相应材料。

至于究竟证明到什么程度，我们还没有现成答案。不只声音案件，模型训练涉及的著作权案件也面临类似困难。我们持续关注国内外涉及AI模型训练的案件里，会有证据开示等要求，法院要求原告提交什么、要求被告披露什么，以及数据集、训练日志和操作记录怎样连接起来等信息，但是有的案件尚未进展到判决，有的公开材料没有详细披露证明过程，目前很难概括出统一标准。至少企业需要能够说明，自己基于哪些数据、经过怎样的步骤完成训练，不能只说用了某个数据集，却没有相应的过程材料。

曾田：从办案体验看，这类案件是代理原告压力更大，还是代理被告压力更大？

周凡、戴越：从整体证明结构看，我们会觉得原告压力更大。原告要把侵权成立的各个环节连接起来，一环缺失，可能影响定性，也可能影响赔偿。被告则可以针对其中某个环节提出抗辩。

AI案件中，原告取证尤其困难。他可能只能接触到输出结果，不掌握模型的训练过程，怎样证明声音相似、怎样进一步找到与自己有关的训练使用，都会遇到障碍。

被告的压力则很大程度上取决于此前的记录。如果公司保存了完整的授权、来源和开发记录，相对容易说明；如果是初创公司，没有建立相应流程，材料也不完整，进入诉讼后同样会面临很大的举证压力。双方难在不同的地方。

五、AI产品合规与律师专业能力培养

曾田：从诉讼倒推，正在开发AI声音产品的企业，日常最应当注意什么？

周凡、戴越：首先是训练过程要留痕。声音素材从哪里来，是购买、授权还是使用开源数据集，相应的来源材料要保存；模型怎样训练、怎样开发，相关记录也要保存。诉讼中需要说明的过程，往往在开发时就要留下材料。

其次是对生成声音的使用保持注意。对于具有较高知名度、能够让人联想到特定人物的声音，即使通过多种不同的声音进行训练取得，但也要考虑使用中的风险。

企业还可以参考第三方审计、合规评估等做法，说明自己识别过风险，也采取过措施。我们此前关注过域外某些州在这方面的探索，国内未来会不会有相应规定，还需要继续关注。

曾田：材料准备好以后，律师怎样让法官理解复杂的技术？你们在这个案件中有什么体会？

周凡、戴越：技术人员可以把原理讲得很深，律师需要先弄懂，再转换成普通人能够理解的逻辑。我们这个案件里，技术人员提供的原理很复杂，还涉及几篇国外论文。论文可以作为支持材料，但要让法官理解，仍然需要用比较朴素的语言解释。

可视化也是一种办法。我们做小模型演示，就是希望法官直接看到，多种声音可以怎样训练，又可以产生多少种结果。图表、图片、视频，以及适当的类比和对比，都可以帮助呈现。律师自己理解了技术，才知道哪些细节需要展开，怎样把它与案件里的问题连接起来。

曾田：年轻律师想进入AI领域，需要先具备理工科背景或者编程能力吗？

周凡、戴越：有一些技术背景知识，确实可能更方便与技术人员沟通。我们也听技术人员建议过，可以了解基础代码背后的逻辑，不一定要学得很深。但我们不会把理工科背景或者会写代码当作进入这个领域的门槛。

更重要的是有兴趣，并且持续投入时间。我们团队每周会花半天时间研究新的立法、司法动向。一个问题从最初出现到后续发展，持续跟进，才会逐渐理解它。即使不懂代码，只要能够与技术人员把基本问题讲清楚，仍然可以把案件做好。

我们越来越感到，法律功底非常重要。技术不断变化，理解新问题、判断法律关系，还是要回到基础。对刚毕业的年轻人，不能要求他已经深入掌握某个新领域的所有规则；在学校把民法等基础学好，进入新领域以后才能学得快。法律基础和学习能力也有关联，能够把基础问题想清楚，往往就更有能力继续拆解新的问题。

曾田：面试时，你们怎样判断一个年轻人有没有这种研究和学习能力？

周凡、戴越：我们会问他在学校参与过什么研究项目，想听的是他面对一个问题时怎样研究，遇到困难怎样探索，最后有没有自己的观点。不一定要求项目很复杂，哪怕只参与一个片段，能把这一部分讲清楚就可以了。这样既说明他想明白了，也说明他能够表达，这两个方面都很加分。

有些没有参加过研究项目的同学，也可以讲一篇自己觉得有成就感的课程论文，讲清楚是怎么写的；持续关注AI问题的同学，也可以讲自己研究过的问题。我们希望了解的是，他能不能把自己真正热爱、参与过的事情讲清楚，具体研究的不一定非得是人工智能。如果确实对AI问题有深入思考，当然会更加分。

归根到底，我们看重的还是踏实、可靠，愿意研究，听到新问题后有继续探索的兴趣。这与以前选人、用人的逻辑没有太大差别。

六、AI应用中的律师判断与客户信任

曾田：你们在日常工作中怎样使用AI？哪些帮助最明显，又有哪些事情需要自己把握？

周凡、戴越：主要有两个方面。一是整理材料、制作图表等基础工作。以前做文件整理、把图表与证据对应起来，要花很长时间，现在至少可以让AI先给出初稿，再由我们核验、调整，能节省不少制作时间。

二是通过互动梳理思路。对于还在研究中的问题，可以与AI讨论应该关注哪些点。我们很在意的是，不能让AI的表达走在自己的逻辑和思考前面。律师的价值在于判断，给客户交付由AI可以短时内内大量生成的文字，本身并没有解决问题。

我们可以先形成一个判断或者思路的雏形，再交给AI查漏补缺，看有没有忽略的角度、可行性上有什么问题。最后确定方案、形成交付成果，但所有事项的前提仍然是我们自己想清楚、写清楚。

曾田：AI提高了效率，也会改变客户的期待。你们会因此产生危机感吗？

周凡、戴越：客观说会有。客户看到很明显由AI生成的文件，可能会问，既然如此，为什么还需要找律师？也有客户把律师写的材料交给AI，让它提出问题，再带着这些问题回来讨论。客户未必能够判断每一个问题是否成立，律师都需要认真回应。

客户对于交付时间和费用的预期也会受到影响。以前约定两天完成的工作，现在客户可能期待半天或者一个晚上完成。同时客户也会想既然AI提高了效率，那么是不是可以降低费用、节省成本。AI给工作带来帮助，也带来新的压力。

我们与同行交流时，听到过国外律师的观点：律师的价值不仅是投入了多少工作小时，还包括作出的判断和承担的责任。AI可能确实会缩短某些工作的时间，但律师承担的责任并没有因此减少。怎样让客户理解这一点，也是我们需要面对的问题。

曾田：在这样的变化中，律师怎样获得客户的信任？

周凡、戴越：交流会越来越重要。我们需要了解客户的业务背景、公司内部的情况，以及他为什么必须作出某种选择。现实中的问题往往不只是“能做”或者“不能做”，还涉及内部和外部的约束，以及不同主体之间的利益协调。

比如一份文件经过各方多轮协商，已经修改了好多稿，如果不了解前期的磋商过程，将现在的这一稿交给AI以后，它仍会从单方立场指出许多问题与风险。但那些条款可能就是各方反复妥协的结果，仅看文件本身的风险，无法解释为什么最后要这样安排。

律师需要了解这些背景，再帮助客户找到可以落实的方案。对客户了解得更具体，给出的判断和建议才能匹配他的实际需要。