音乐人如何反击AI音乐盗用

当Suno和Udio在2024年向公众推出其AI音乐生成器时,他们推出的这款消费级产品建立在一个音乐行业立即认定存在严重问题的基础之上:其训练数据几乎可以肯定包含了未经许可、未经同意、也未支付任何报酬就被抓取的受版权保护录音。两年后的今天,法律战正如火如荼地进行,艺术家们正在部署新的技术工具来保护自己的作品,而一场关于谁从基于人类创造力训练的AI中获益的更广泛反思,正在重塑整个音乐行业。以下是目前的局势。

训练数据问题

AI音乐生成器是基于海量音频数据集训练而成的。生成器输出质量在很大程度上取决于其训练数据的质量和数量——这意味着最优质的输出来自于用最优质的专业录音训练出的模型。而这些录音都受版权保护。艺术家和唱片公司提出的核心法律论点很直接:未经许可或同意,使用受版权保护的音乐来训练商业AI产品构成版权侵权,无论该模型的输出是否直接复制了那些录音。

AI公司方面的反驳论点是"转化性使用"——他们认为,训练过程类似于人类音乐人聆听并从音乐中学习,而AI的输出是转化性作品,而非训练数据的复制品。法院目前正在审理这一论点,其结果将在可预见的未来内界定AI音乐相关的法律格局。

诉讼案件

美国唱片业协会(RIAA)于2024年6月对Suno和Udio提起诉讼,代表环球音乐集团、索尼音乐和华纳音乐集团——这一联盟涵盖了绝大多数具有商业重要性的录制音乐。诉讼指控被告在训练数据中使用受版权保护的录音,并寻求法定赔偿,若按所指控侵权行为的全部规模计算,赔偿金额可能高达数十亿美元。

与此同时,个别艺术家也已提起或加入集体诉讼。其中包括多位知名录音艺人,他们不仅指控训练过程中的版权侵权,还提出了其他诉求:形象权(其嗓音和风格未经同意被商业化利用);商业外观权(AI生成的音乐模仿其标志性声音);以及不正当竞争。这些集体诉讼汇集了众多作品被用于训练数据的艺术家的诉求,扩大了潜在的赔偿金额和法律挑战的范围。

在美国以外,欧盟《AI法案》就训练数据的透明度设立了明确要求,并确立了权利人可选择退出、拒绝其作品被用于AI训练的权利。多位欧洲艺术家和集体管理组织已依据这一框架提起诉讼。

艺术家的实际应对举措

除了诉诸法庭,艺术家们还在采取若干实际策略。

从训练数据集中退出。 多家AI公司已实施退出机制,允许权利人要求今后的训练不再使用其作品。但这种做法的现实局限性相当明显:退出机制只对未来生效,不能追溯(不会影响已经用该作品训练完成的模型);需要权利人自行明确识别出自己的作品;而且是否遵守完全是自愿且无法核实的。鉴于最初的训练本就是在未经同意的情况下进行的,许多艺术家认为退出机制并不足够。

使用"投毒"工具。 芝加哥大学的研究人员开发了一款名为Nightshade的工具,它能以人眼无法察觉的方式微调图像,却会破坏AI训练过程——导致用被投毒图像训练出的模型产生质量低劣、错误的输出。类似的工具也正在为音频领域开发。AudioShield及类似项目旨在以不影响听感质量、但会干扰AI模型学习方式的方式,修改已发布录音的频谱特性。这类工具在大规模应用中的实际效果仍存在争议,但它们代表了一种新颖的技术反制手段。

要求透明度。 包括艺术家权利联盟(Artist Rights Alliance)和音乐未来联盟(Future of Music Coalition)在内的多个艺术家维权组织,正在推动强制披露训练数据。按照他们的提议,任何商业销售的AI音乐生成器都将被要求维护并公开一份详细记录,列明训练中使用的所有音乐,使权利人能够核实自己的作品是否被包含在内,并寻求相应的救济。

集体授权谈判。 一些集体管理组织和艺术家维权团体正在协商全行业范围的授权框架,而非分别提起个别诉求。其逻辑很务实:即便AI公司在法律上被要求为训练数据获得许可,个别艺术家也缺乏资源和议价能力去谈成有意义的协议。类似于ASCAP和BMI等表演权利组织(PRO)的运作方式,集体安排可以提供更广泛的覆盖面和收益分配。

流媒体平台的角度

流媒体平台与AI音乐之间的关系颇为复杂。一方面,大量AI生成音乐涌入流媒体曲库,稀释了支付给人类艺术家的单次播放版税(因为总版税池是按所有播放次数分摊的)。Spotify、Apple Music等平台已实施要求披露AI生成内容的政策,在某些情况下还限制AI生成音乐出现在某些高曝光度的推荐位。另一方面,平台又能从曲库体量的增加中获益。

版税稀释问题尤为严重。一个能生成无限内容的AI生成器,可以将内容分散到数百万首以虚假艺人名义发布的曲目中,理论上能以接近零的边际成本攫取相当一部分流媒体版税。多个流媒体平台已识别并下架了有组织的AI音乐操纵行为——但这种检测和下架是被动应对性质的,而规模又难以管控。

AI与艺术家身份

对许多艺术家而言,另一个可以说更具个人色彩的担忧是AI语音克隆和风格模仿——利用AI生成"某种风格"的音乐,或直接模仿特定艺术家的嗓音。当一个AI工具能够生成听起来像出自某位特定艺术家之手的歌曲时,即便没有任何具体录音被直接复制,该艺术家的品牌、声誉和商业价值也会受到影响。

多起备受瞩目的案例已将这一问题带入公众视野:已故艺术家的AI生成"新曲"、被当作真作流传的语音克隆翻唱,以及以虚假艺人名义发布、却足以让粉丝混淆的AI生成曲目,这些曲目高度模仿了真实艺术家的身份特征。形象权法律为防止未经同意商业使用艺术家的嗓音和形象提供了一定保护,但在互联网规模上针对匿名AI生成内容进行执法,实际操作起来十分困难。

同意与补偿框架

艺术家维权人士正在推动建立的框架有三大支柱:同意(艺术家必须明确同意其音乐被用于AI训练)、透明度(训练数据必须被记录并公开披露),以及补偿(艺术家必须为训练数据的使用获得合理报酬)。这一框架已部分体现在欧盟《AI法案》中,也是美国、英国、加拿大和澳大利亚正在推进的立法提案的基础。

这一框架最终将通过诉讼、立法,还是通过协商达成的行业标准来确立——以及在什么时间范围内确立——目前尚不明朗。诉讼案件不会很快了结;重大版权诉讼通常需要数年时间。美国的立法进展一直缓慢。与此同时,AI音乐行业继续运转,艺术家们继续通过一切可用渠道进行反击,而随着每一次新模型迭代,商业利害关系也在不断增大。

听众可以做些什么

音乐消费者在这场博弈中拥有的能动性,比他们想象的要多。选择聆听和支持人类艺术家——通过播放他们经过验证的音乐、参加现场演出、直接向艺术家购买作品——能让版税持续流向人类创作者。学会识别AI生成音乐(使用SUS IT这样的工具,或培养出辨识我们检测指南中所描述线索的耳朵),并避开被包装成人类创作、实则具有欺骗性的AI音乐,是参与"我们在音乐中真正珍视什么"这场讨论的一种积极方式。音乐行业的未来,部分将由听众选择奖励什么来塑造。