AI 音乐版权纠纷的法律探析

朱梦云：《论人工智能生成物的著作权保护》-图书目录

关于人工智能创作音乐之侵权问题的探讨

吴逸凡

摘要：随着以 ChatGPT 为标志的生成式 AI 问世，现行著作权法与 AI 产业发展之间的冲突日益尖锐。2024 年 6 月，美国唱片业协会（RIAA）代表环球、华纳及索尼等巨头，对 Suno 和 Udio 两家 AI 音乐公司提起诉讼，指控其未经授权大规模使用版权录音训练 AI 模型。音乐著作权作为版权体系中最为复杂的板块之一，AI 的介入使其面临更严峻的考验。鉴于此，本文立足 AI 生成音乐视角，深入探讨 AI 时代音乐著作权侵权制度的适用与优化，以积极应对该技术给我国音乐产业带来的机遇与挑战。鉴于当前 AI 等新兴领域知识已远超传统法学研究者的认知范畴，本文首先从 AI 生成音乐的技术背景入手，系统梳理以机器学习和深度学习为核心的 AI 技术发展沿革，重点阐述 AI 给音乐创作带来的革命性变革、当前应用现状及其引发的著作权侵权问题。对技术原理与应用模式的深刻理解，有助于精准识别侵权风险、界定责任归属，并提出科学的治理方案，这是知识产权法学论文具备实践价值的关键所在。在著作权法范畴内，未经许可对受专有权利保护的客体实施复制、改编等利用行为，且无法援引“合理使用”或“法定许可”等抗辩理由的，通常构成侵权。鉴于 AI 生成音乐侵权涉及的受损主体及专有权利繁杂，本文以 AI 生成音乐的工作流程为划分依据，贯穿技术全链路系统考察可能出现的各类侵权风险。在数据输入环节，数据提供者需进行收集与预处理，此过程可能侵犯词曲作者、表演者及录音制作者的复制权，以及词曲作者的翻译权。在模型训练环节，开发者利用机器学习技术对预处理后的词曲、音频样本进行训练并构建模型，此环节与数据收集阶段的复制行为不同，其内部的“临时复制”不构成复制权侵权。然而，若训练生成的内容在保留原作品核心表达的基础上与原作品存在显著差异，且满足作品构成要件，则无疑存在侵犯原作品改编权的风险，此外还可能涉及侵害表演者表明身份及保护表演形象不受歪曲的权利。在音乐输出环节，使用者向模型输入指令或信息以获取所需的词曲或音频文件，此过程主要涉及侵犯原作品相关权利人的复制权、改编权及公开传播权，同样可能侵犯表演者的保护表演形象不受歪曲权。随后，基于生成式 AI 技术原理与工作流程的复杂性，本文依次剖析了侵权认定的难点。首先是侵权主体的界定，本文否定了 AI 自身的法律主体资格，将侵权主体范围限定于数据提供者、开发者、使用者等人类主体。其次总结了当前 AI 生成内容侵权领域的因果关系理论，选取较为适宜的“实质性相似 + 接触”规则作为侵权认定的基础理论，同时明确了该规则在 AI 音乐侵权认定中面临的困境。最后，以著作权中极具代表性的复制权为讨论对象，尝试分析了 AI 生成音乐著作权的侵权认定标准。本文还归纳了学界关于生成式 AI 工作流程中不同侵权主体的归责原则理论，并依据不同主体在举证能力上的差异，结合相关法律规定探讨并选定了合适的归责原则及责任承担方式。本文主张，对 AI 音乐的网络服务提供者与使用者适用过错责任原则，促使其在享受技术带来的经济利益与创作便利时，更加审慎地履行应尽义务与责任。对生成式 AI 开发者适用过错推定原则，为 AI 技术发展提供必要的宽松环境，从而提升其开发大模型的积极性。对数据提供者适用无过错责任原则，促使其更好地履行数据筛选、清洗等处理工作，以避免数据输入及后续环节侵权的发生。本章还探讨了 AI 音乐著作权侵权责任的抗辩事由，排除了合法