专业领域
观韬解读 | AI生成图像和AI生成声音的侵权认定
作者：李洪江 董姝雅
摘要：随着生成式人工智能技术的快速发展，AI 生成图像和 AI 生成声音已广泛应用于内容创作、商业营销、娱乐传媒等领域，由此引发的侵权纠纷日益增多。AI 生成图像的侵权认定主要围绕著作权法展开，核心在于判断生成内容是否具备独创性以及人类使用者是否作出实质性智力投入；AI 生成声音的侵权认定则呈现人格权与著作权二元保护的格局，“可识别性”成为人格权侵权的核心裁判标准。二者在训练数据使用、平台责任边界、举证责任分配等方面面临共性难题。本文梳理现行法律规范与典型司法案例，系统分析两类 AI 生成内容侵权认定的法律路径与裁判规则，比较其异同，并针对实践中的突出问题提出完善建议，以期为 AI 生成内容的侵权认定提供理论参考与实践指引。
一、AI 生成图像的侵权认定
（一）AI 生成图像的可版权性判断：独创性与人类智力投入
AI 生成图像侵权认定的前置问题，是该类生成物能否成为著作权法下的 “作品”，直接决定权利人能否主张著作权救济。
依据我国《著作权法》第 3 条，作品是文学、艺术、科学领域内具有独创性并能以一定形式表现的智力成果；第 11 条明确著作权归属于创作作品的自然人作者[i]。由此，独创性是作品核心要件，而 “智力成果” 内在要求存在人类智力投入。AI 图像可版权性争议本质，就是判断成果是否满足独创性，以及是否承载自然人实质性智力贡献。
司法实践逐步确立“人类实质性智力投入”这一核心判断标尺。在北京互联网法院 2023 年“春风送来了温柔”案中，原告设计提示词、设置参数、多次迭代筛选生成图像，法院认定该行为构成实质性智力投入，原告对涉案图像享有著作权[ii]。裁判逻辑在于，AI 并非完全自主产出，使用者在指令设计、参数选择、成果筛选环节作出个性化判断与取舍，构成独创性表达的来源。
但并非全部 AI 生成图像都可以获得著作权保护。若使用者仅简单输入提示词，核心表达完全交由算法决定，仅最低限度操作，则不能认定独创性。
综合正反案例，可以将可版权性判断拆解四项参考要素： 第一，输入指令的个性化、精细化程度。简单通用提示词难以体现创意；包含构图、色彩、视角、艺术风格的定制化提示，更有可能构成智力投入。 第二，参数设置与技术选择。使用者对模型、采样步数、CFG 权重、种子值等参数的主动调整，代表人类对生成过程的干预，是重要参考。 第三，迭代修正与筛选过程。多次生成、对比调整、择优留存的操作，体现创造性的选择判断，是实质性智力投入的典型表现。 第四，对表达要素的实质贡献。使用者需要对构图、色彩、画面元素等表达层面形成实质贡献；若核心表达完全交由算法决定，则不能认定独创性。
有学者提出，应当以 “人类控制性标准与人类贡献” 搭建 AIGC 可版权性司法判断框架[iii]，强调不仅要看有无智力投入，还要看人类对生成流程的控制程度以及对最终成果的贡献占比。部分学者进一步提出更为严格的标准，要求自然人贡献在“量”上达到创意占比不低于二分之一，AIGC 才可以作为作品保护[iv]，为司法裁判提供细化分析工具。但该观点在学界尚存争议，并非当前司法裁判的主流标准。
（二）AI 生成图像侵权的类型化分析
在厘清可版权性之后，可以按照 AI 图像生产链条，将侵权划分为训练数据阶段、生成内容阶段、使用传播阶段三类。
1.训练数据阶段的侵权
图像大模型训练依赖海量图像素材，其中大量内容属于受著作权保护的作品。未经许可复制他人作品用于模型训练，有可能侵害复制权；训练过程中改动原作，还会触及改编权。
2.生成内容阶段的侵权
生成图像和在先作品构成实质性相似，同样会产生著作权侵权。产生该情形主要存在三种路径：使用者主动下达指令要求 AI 复刻既有作品；模型训练 “记忆” 原作，生成时再现原作独创性表达；生成成果在构图、人物形象、视觉风格上和在先作品实质性近似。
3.使用与传播阶段的侵权
如果 AI 生成图像已经被认定为著作权法意义上的作品，第三人未经许可实施复制、发行、信息网络传播等行为，构成传统著作权侵权。
三类侵权并非互相排斥，同一案件可以同时涉及多个环节。
（三）典型案例评析
案例：北京互联网法院 “春风送来了温柔”案[v]
本案是国内首例确认 AI 生成图像构成作品的判决。原告使用 Stable Diffusion，撰写详细提示词、调试参数，经过多轮生成筛选得到肖像图片并发布于小红书。被告未经许可，在百家号转载该图片。法院认定，原告在提示词设计、参数调试、迭代筛选环节完成实质性智力投入，涉案图像属于作品，原告享有著作权，被告行为构成侵权。
该案价值在于确立 “实质性智力投入” 裁判标准，没有因成果由算法参与生成就直接否定可版权性，将裁判重心放在自然人的创造性贡献之上，契合著作权法激励创作的立法目的。
二、AI 生成声音的侵权认定
（一）声音权益的法律保护路径：人格权与著作权的二元保护
AI 生成图像纠纷以著作权为核心，AI 生成声音则形成人格权、著作权二元保护格局，人格权保护占据更为重要地位。
1.人格权保护路径
声音属于自然人重要人格标识，具备人身专属性。《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[vi]，这为 AI 声音克隆侵权提供人格权请求权基础。
程啸教授提出，声音克隆属于深度合成技术，未经许可复刻自然人声音特征生成合成语音，侵害自然人声音权益，还可以结合肖像权、个人信息权益完成救济[vii]。人格权保护最大优势，不要求声音被固化为作品或者录音制品；只要合成声音能够指向特定自然人，即可主张保护，覆盖声音采集、训练、合成、传播全链条[viii]。
2.著作权保护路径
著作权及邻接权仅在特定场景发挥作用：第一，训练素材属于录音制品的，未经许可用于训练可能侵害录音制作者权；第二，原始音频包含表演者表演，未经许可用于 AI 训练合成，会侵害表演者权；第三，AI 合成声音演唱受保护词曲作品，可能侵害复制权、表演权、信息网络传播权。
但著作权路径存在固有局限。AI 声音克隆抓取的是声纹、发声习惯，产出全新音频文件，并非直接复制原有录音载体，很多情形可以规避以固定载体为基础的传统著作权要件，这也凸显人格权保护的不可替代性。
3.人格权与著作权的区分
即便企业取得录音制品著作权，该约定不能推定获得自然人声音人格权益的许可；AI 合成声音只要具备可识别性，仍然落入声音人格权益保护范围。该规则明确：录音制品财产性权利的授权，不等于允许对自然人声音开展 AI 克隆商用；声音人格权益具备人身专属性，必须获得主体单独明确同意。
（二）AI 生成声音侵权的认定标准：可识别性为核心
人格权路径下，可识别性是 AI 声音侵权的核心裁判要件。
可识别性，指合成后的 AI 声音，能够使普通公众或者特定领域受众依靠音色、语调、发音习惯联想到特定自然人。达到可识别性，未经许可商业使用即构成侵害声音权益；合成语音无法对应任何具体自然人，则不涉及人格权侵权。
判断可识别性需要综合三项要素：第一，主观认知标准：以普通听众感受为基准。公众人物声音辨识度高，可识别性更容易成立；普通自然人需要结合场景综合判断。第二，客观技术标准：声纹鉴定比对结果。通过声学特征比对，为可识别性提供技术证据；一般认为属于“个人信息保护范畴”。第三，使用情境要素：是否刻意模仿口头禅、语气特征，是否在对应场景使用，会强化识别效果。
即便最终产出的合成声音没有完全达到可识别，采集、利用自然人声音数据开展训练本身，也可能侵害声音权益与个人信息权益。
（三）典型案例评析
案例：北京互联网法院全国首例 AI 生成声音人格权侵权案[ix]
被告未经许可抓取原告语音样本训练 AI 模型，将合成语音投入商业用途。法院依据民法典声音参照肖像权保护的规则，认为合成声音具备可识别性，一般听众可以对应到原告本人，构成侵害声音权益。
本案首次在司法层面确立可识别性标准，划定 AI 声音克隆的法律红线，为此后同类案件提供裁判范式。
三、AI 生成图像与声音侵权认定的比较与共性问题
（一）两类 AIGC 侵权机理的核心区别
AI 生成图像与 AI 生成声音在侵权触发的技术前提上存在重要差异，这在广州互联网法院（2024）粤 0192 民初 113 号案，与杭州互联网法院（2024）浙 0192 民初 1587 号案，两起奥特曼 AI 生成图像案件中可以得到印证。该两案分别涉及大模型输出与角色美术形象实质性相似、用户上传权利作品训练 LoRA 微调模型引发侵权的情形，从技术机理来看，AI 生成与在先作品实质性相似的图像，通常以模型训练环节将受保护的美术表达纳入训练数据集为前提，正是训练数据中承载的著作权客体，使得后续输出可以再现原作独创性表达。简言之，AI 生成图像发生著作权层面的实质性相似侵权，通常是建立在已有版权客体作为训练素材的基础之上的。
与之相对，AI 生成声音并不必然需要以某一特定自然人的声音样本作为训练素材。通用语音大模型可以不导入特定自然人语音片段，依靠海量通用语音语料完成训练，以 “无中生有” 的方式生成全新音色。在此种情形下，即便该合成音色与某普通自然人的现实声音在听觉上出现近似，因模型并未采集、学习该自然人的声音特征，没有对该自然人人格标识进行利用，故而不成立声音权益侵权，此时普通自然人应负有一定的社会容忍义务。就知名度较高的公众人物而言，该情形是否构成侵权需要进一步区分：若虽未直接抓取其语音样本训练，但行为人通过提示词等方式刻意指向该公众人物，诱导模型生成足以使一般听众发生身份联想、达到可识别性标准的合成语音，则存在认定侵害自然人声音权益的讨论空间；如仅属于模型随机生成音色发生听觉上的偶然重合，则不宜直接认定人格权侵权。
进一步概括二者差异：AI 生成图像的著作权侵权，重在保护作品的独创性表达，在满足接触要件前提下，只要输出成果与在先受保护美术作品构成实质性相似，即可开展侵权评价，溯源指向训练数据中存在的版权客体；AI 生成声音人格权侵权重在保护自然人的人格标识，不仅要看输出听觉效果，还要考察行为人是否对该自然人声音人格标识进行利用，普通自然人不能单纯依据音色近似而主张人格权救济。
（二）训练数据使用的侵权认定
训练数据侵权是两类 AIGC 共同的源头难题，国内外裁判思路存在差异。
国内司法立场：未经许可使用版权作品训练并且公开发布模型，存在构成著作权侵权的风险。德国慕尼黑地区法院在GEMA诉OpenAI案（欧洲AI版权第一案）的一审判决中认定，未经许可把受版权保护歌词纳入训练集构成侵权，支持停止侵害、赔偿请求[x]。
美国司法走向不同，Anthropic 案一审裁判认为，使用版权图书开展大模型训练可以构成合理使用，但盗版来源数据仍然被否定评价；后续企业达成和解，向作者支付高额赔偿并且销毁侵权训练数据[xi]。由此可见，美国合理使用抗辩给 AI 产业留出空间，但盗版获取素材依旧被否定。
训练数据侵权现实难点有三：其一，算法黑箱，原始作品经过向量化处理，权利人很难证明模型使用自己作品、生成内容与原作存在因果联系；其二，合理使用的适用边界尚未在立法、司法解释层面针对 AI 场景明确；其三，训练需要海量素材，逐一获取授权在商业实践几乎难以落地。
（三）平台责任的认定边界
AI 平台责任争议，核心问题在于用户利用平台生成侵权成果时，平台是否以及如何承担责任。
判断平台过错下的“合理注意义务”主要参考四项要素[xii]： 第一，侵权内容的显著程度。知名度极高的 IP 角色，平台注意义务更高；小众、难以识别的侵权内容，不能苛责平台主动筛查。 第二，平台技术能力。具备过滤、识别技术却不部署，更容易认定过错；技术客观不能完成审核，则降低义务标准。 第三，商业模式。平台直接从生成业务获取收益，注意义务相应提升。 第四，通知之后的处置行为，落实“通知－删除”规则，接到通知及时采取屏蔽、删除、封禁模型等措施，是免责重要条件。
（四）举证责任与证据认定
AIGC 案件普遍存在举证障碍。
在 AI 图像可版权性纠纷中，主张著作权的一方需要证明自身实质性智力投入。提示词、参数、多轮生成版本很容易丢失。提示 AIGC 使用者应当留存提示词、参数、中间版本等全部过程材料。
AI 检测报告的证据效力存在局限。检测工具算法、训练集、判定标准大多不对外公开，高概率结果只能作为线索，必须和创作记录、画面细节、账号使用习惯等证据互相印证，形成完整证据链才可以采信。
训练数据侵权的举证困境更加突出。训练数据集、模型参数大多属于商业秘密，权利人很难获取，难以证明 “自己作品被用于训练”。学界有观点提出训练数据场景举证责任倒置，由 AI 企业证明训练素材合法或者构成合理使用，但该观点尚未被立法采纳。当前司法实践依靠证据保全、责令被告提交材料等方式缓解举证压力。
四、完善建议
（一）明确 AIGC 可版权性的判断标准与举证规则
借助司法解释、指导性案例，固化“实质性智力投入”的裁判标准。一是类型化列明判断要素：提示词个性化程度、参数调试、迭代筛选、对画面表达要素的实质贡献，统一司法裁判尺度。二是倡导 AIGC 创作过程证据留存，推广区块链时间戳存证，引导使用者保存提示词、参数、中间生成版本。三是合理分配举证负担：原告提交初步证据证明存在实质性智力投入之后，举证责任转移，由被告举证否定独创性。
（二）构建 AI 训练数据使用的合规规则
确立以授权为原则、有限例外的训练数据规则。商业 AI 模型训练原则上需要获得著作权人许可；非商业科研、文本数据挖掘可以设置例外，严格限定适用条件。建立训练数据披露义务，AI 企业适度公开训练素材来源、授权情况。激活著作权集体管理组织，搭建面向 AI 产业的批量许可渠道，降低交易成本。对于明知来源盗版仍然用于训练的主体，可以适用惩罚性赔偿。
（三）细化 AI 平台的责任边界与注意义务
坚持过错责任原则，推行分级分类注意义务。依据平台服务类型（基础大模型、微调服务、内容生成工具）、商业模式、技术能力区分义务等级，避免一刀切。完善 AI 场景下的通知－必要措施规则，接到有效通知之后，平台不仅删除单张图片、单条音频，必要时应当封禁侵权模型、限制相关生成功能。推动 AI 生成内容强制标识制度，便于区分人机产出，也为侵权认定留存线索。
（四）完善 AI 生成声音的人格权保护规则
立法层面明确，自然人声音用于 AI 克隆商用，必须取得专项明确同意，不得以录音著作权的合同约定推定授权，许可最好落实书面形式，写明用途、期限。细化可识别性的判断细则，区分公众人物与普通自然人的判断门槛，规范声纹鉴定的司法应用。对声音采集、训练、使用全链条设置合规要求，严厉打击利用 AI 声音从事诈骗、诽谤等恶意行为，民事追责之外，触及犯罪的追究刑事责任。
（五）建立 AI 生成内容侵权的多元纠纷解决机制
发挥行政机关、行业协会调解作用，为批量、小额 AIGC 纠纷提供低成本解决渠道。完善 AIGC 版权登记、过程存证机制，提升存证材料证据效力。探索部分场景下的报酬分配、强制许可机制，平衡海量训练场景下权利保护与产业创新。
[i] 全国人民代表大会常务委员会：《中华人民共和国著作权法（2020 年修正）》，2020-11-11。
[ii] 李某诉刘某侵害作品署名权、信息网络传播权案，北京互联网法院(2023)京0491民初11279号
[iii] 董慧娟.人机共生背景下AIGC可版权性的司法判定——以人类控制性标准与人类贡献为中心[J].数字法治,2026,(2):19-35.
[iv] 郭壬癸,冯明哲.论人工智能生成物的作品适格性分析[J].电子科技大学学报(社科版),2025,27(6):103-111.DOI:10.14071/j.1008-8105(2025)-1051.
[v] 北京互联网法院，(2023)京0491民初11279号。
[vi] 全国人民代表大会：《中华人民共和国民法典》，2020-05-28。
[vii] 白楚玄：《AI 复刻声音须守住法律底线》[EB/OL].(2026‑07‑17)[2026‑08‑26]，http://www.legaldaily.com.cn/sylm/content/2026-07/17/content_9426216.html
[viii] 吴汉东,龙欣璇.AI生成声音侵权认定的路径选择——以肖像权的参照适用为中心[J].北方法学,2026,20(1):5-18.DOI:10.13893/j.cnki.bffx.2026.01.006.
[ix] 北京互联网法院，（2023）京0491民初12142号。
[x] 德国慕尼黑地区法院，GEMA 诉 OpenAI 著作权侵权案
[xi] 美国加利福尼亚州北区联邦地区法院，Anthropic 著作权侵权案
[xii] 管育鹰.生成式人工智能相关版权争议焦点问题探讨[J].北京工业大学学报(社会科学版),2025,25(1):103-111.
