法律上,一个人的声音早就是受保护的权利:《民法典》第一千零二十三条写明,对自然人声音的保护参照适用肖像权保护的有关规定,“利用信息技术手段伪造"属于明文禁止。难的不是规则,而是流程。从"有权利"到"拿到赔偿”,权利人一般要闯五道坎:发现不了、证明不了、问不倒对方、看不懂授权、算不平成本。这五道坎都不是假设,它们逐条出现在北京、上海两起"首例"判决里,也出现在今年11月仍在继续的一场AI声音维权拉锯中。
第一道坎:克隆门槛已降到秒级,你可能根本不知道自己声音何时被偷
总台记者曾跟随网络安全专家做声音克隆实验:记者录制一句话的音频,专家随意截取其中1秒作为样本,仅几秒后,克隆声音就朗读出一段从未录制过的文字。 成本同样低得惊人,中国新闻网《民生调查局》调查发现:克隆明星人声最低1.98元,40秒即可生成。 而发现本身有漫长的时差:殷女士案中,软件公司把录音做成文本转语音产品放上云平台出售、几经转手,平台显示这个声音被播放了32亿余次,她本人直到2023年5月才在常用APP里听见自己的声音。央视新闻中国新闻网知乎
投诉渠道同样有门槛。抖音在2026年9月才上线专门的"冒用声音"举报入口,此前这类投诉只能归入相近侵权分类,缺少统一举证标准;演员吴越怒斥有账号用AI克隆她的脸和声音卖货后,第一次平台维权尝试竟以投诉失败告终。 刚上线的专项入口范围也有限——冒用声音举报目前只开放在电脑端批量维权平台,手机端APP尚未新增这一独立分类;举报人可朗读平台固定文字录制语音,或上传本人出镜原声视频,由平台比对声纹辅助判断。知乎蚁小二
第二道坎:"听起来像"不算数,要证明公众能认出你
司法审查的核心概念是"可识别性":一般社会公众或一定范围内的公众根据音色、语调和发音风格,能够识别出特定自然人的,该声音就属于其声音权益的保护范围,未经许可使用AI处理后的声音即构成侵权。 上海首例AI合成语音案给出了更可操作的技术路径:经司法鉴定,案涉音频与王女士本人音频在28个共振峰声学指标中,24个偏离度小于10%,两者较为相似及高度相似的部分达到90%,足以让普通公众进行特定身份关联。 律师给权利人的第一步建议也很具体:先固定可识别性证据,包括合成语音与本人声音的比对材料、公众评论中的身份关联截图、声音被获取的渠道线索。彭蓉律师上海高院化祥说法
第三道坎:对方一句"数据说不清",举证义务已经转到了平台手里
上海案中,被告辩称音频确为其AI生成,但投喂素材因前员工离职无法确认。法院没有接受这套说法:作为掌握原始训练数据的控制方,被告未能就素材来源合法性、未利用自然人声音特征等待证事实充分举证,应承担举证不能的不利后果—— 说不清素材合法来源的平台,自己承担后果。初步举证的门槛被压得很低:权利人只需证明声音存在被获取的合理渠道、合成语音与其高度相似,举证责任即转移至平台。 换句话说,“技术黑箱”"员工离职查无对证"不再是有效挡箭牌。上海高院知乎
第四道坎:签过录音合同,不等于授权AI克隆你的声音
殷女士案的授权链条一步步露出破绽:她是配音演员,2019年受一家文化公司委托录过一批录音,著作权归公司;公司后来把录音数据交给一家软件公司时,附上一份不是她本人签字的《数据授权书》。 裁判给出的结论是:对录音制品的授权,不等于对声音AI化的授权——公司即便持有录音制品著作权,未经配音演员本人同意,也无权授权他人把声音AI化使用。 这是普通人最容易踩空的一环:你以为授权交出的是一次配音,实际可能被转手变成了训练素材。彭蓉律师化祥说法
第五道坎:判决下来了,赔偿不一定覆盖维权成本
三起判决的赔偿金额摆在一起,落差很直观。上海王女士案索赔30万元、判赔5万元,法院的理由写明:涉案语音上架持续时间较短、属流程播报提示音效、并非活动核心卖点,且其声音单独商业化市场价值有限。 北京市互联网法院的殷某桢案判赔25万元,对应的是32亿次播放与多平台商业转售。浦东新区人民法院披露的另一起案件把差距拉到最大:某公司用AI复刻《原神》63款角色声音制成资源包出售,判赔75万元——同一种技术、同一类行为,一个5万,一个75万。 差别不只在声音像不像,更在权利人是谁:《原神》案一审判定复刻行为构成著作权侵权与不正当竞争,被告上诉后撤回、判决生效,而这场胜诉的原告是企业米哈游,并非配音演员个人。上海高院知乎企思妙想
对个体而言,公证、司法鉴定、律师费和时间都在天平另一端,很多人因此先诉诸舆论。史泽鲲的维权已经走到第189天:涉事番外被下架后,对方至今拒不道歉。 这场拉锯的起点是2026年5月5日,史泽鲲发文称《紫川》第二季一段动画番外使用了与自己高度相似的声音,此后他以每天"道歉"的方式公开发声,已连续93天。 11月12日,配音演员季冠霖的表态把行业情绪推到台前:面孔和声线都不该是可以免费抓取的素材,侵权行为该被约束、追责,AI技术的使用应该先有边界,才会有共赢发展。新浪知乎新浪
现在,普通人能做什么
规则本身还在变好:确立"可识别性"标准的全国首例AI生成声音人格权案已收录进人民法院案例库,可供同类案件参照检索。 在这套新规则下,普通人的动作顺序其实很清楚。签录音或约稿合同时,单独写一条:交付成果除本次用途外,能否用于AI训练、合成或转授权第三方,范围、期限、是否另付费,并特别注明未经本人书面同意不得另作使用。对外发布语音素材时谨慎一些,定期留意是否有陌生产品在使用异常相似的音色。一旦怀疑被盗用,先公证录屏连同账号和发布时间,保留早年原始录音与委托合同,备好音色、语调、发音风格的对比材料,再决定走投诉还是诉讼。五道坎没有一道被完全拆平,但判例和平台通道已经把"说不清"和"认不出"两道最陡的坡削低了一截——接下来决定成败的,是权利人知不知道路已经变了。化祥说法