生成式人工智能的发展正在重塑声音的生产、复制与传播范式。语音合成、声音克隆、文本转语音等技术，可在无自然人直接参与的情况下生成具备特定音色、语调与发音风格的合成人声；与此同时，声音作为承载自然人人格识别性的核心人格要素，其未经许可被采集、训练、模仿乃至商业化利用所引发的人格权风险，正从技术议题转化为司法裁判中的核心法律问题。

一、案件回顾

案情：王某是某App实名认证的配音演员，作品公开发布并长期获取报酬。2025年1月，她发现A公司在推广拉新活动中使用的音频疑似AI合成其声音，随即对相关音频公证保全，并委托司法鉴定与本人声音比对。鉴定显示：28项共振峰声学指标中24项偏离度小于10%（其中16项小于5.36%），两者较为相似及高度相似部分达90%。

被告抗辩：音频确系公司AI生成，但训练素材的来源因前员工离职无法确认；此前不知晓王某身份，未采集使用其声音。

裁判结果：一审认定构成侵权，判赔5万元及维权必要费用；双方上诉后，2026年9月29日上海市第一中级人民法院驳回上诉、维持原判。

两审逻辑：合成声音与本人高度相似，足以使公众尤其是亲友误认为系其本人发声，具备可识别性；王某作品公开发布于网络平台，A公司作为平台方存在获取其声音的现实渠道与可能性；A公司作为掌握原始训练数据的控制方，未就素材来源合法性、未利用声音特征、未造成混淆误认等事实充分举证，应承担举证不能的不利后果。

该案件系最高法《关于依法审理涉人工智能纠纷案件的意见》（以下简称“《意见》”）出台后上海首例终审的AI合成语音声音权益保护案件。本案裁判思路与《意见》第四条的精神高度契合。

案件意义：该案的核心价值，不仅在于再次明确AI生成声音可构成对自然人声音权益的侵害，更在于构建了一套应对AI技术黑盒的事实认定路径：当权利人无法直接证明其声音如何进入被告AI系统时，法院可通过可识别性、可接触性、证据控制状况与举证表现的综合判断，完成侵权事实的推定。

本文以该案为例，系统梳理AI声音侵权的法律基础、实体认定标准、程序证明规则与裁判逻辑，并提出对应的企业合规框架。

二、声音权益保护的权利基础与客体边界

《中华人民共和国民法典》第一千零二十三条第二款明确规定：“对自然人声音的保护，参照适用肖像权保护的有关规定。”据此，自然人声音属于民法典明确保护的人格利益，司法实践中通常表述为“声音权益”，其保护的核心是声音所承载的人格识别利益，而非特定的录音载体或录音文件。

（一）侵权不以复制原始录音文件为前提

传统声音侵权多表现为未经许可直接使用他人原始录音，侵权事实可通过录音文件的同一性直接证明。但在生成式AI场景中，最终输出的合成人声并非对原始录音的直接复制，而是模型通过学习声音特征后重新生成的产物。若以“文件同一性”作为侵权判定标准，将实质性架空AI场景下的声音权益保护。

最高人民法院2026年发布的《关于依法审理涉人工智能纠纷案件的意见》（法发〔2026〕10号）（以下简称“最高法《意见》”）第四条对此作出明确回应：除法律另有规定的外，未经自然人同意，使用自然人的声音作为训练语料，模仿该自然人的音色、语调和发音风格等生成能够识别该自然人的合成人声，该自然人主张行为人侵害其声音权益的，人民法院依法予以支持。这一规定正式确立了AI场景下声音侵权的核心判断标准：AI生成结果与原始声音是否具备文件上的同一性，并非侵权成立的必要条件；只要生成结果承载了特定自然人的可识别人格特征，即可纳入声音权益的保护范围。

（二）两个核心问题：保护什么，以及谁侵权

基于上述规则，AI生成声音侵权案件的审理必须拆解为两个独立层面的问题，二者不可混淆：第一，权利客体层面：生成结果是否具备足以指向特定自然人的可识别性，即是否属于声音权益的保护客体；第二，侵权行为层面：该生成结果能否归因于被告未经许可实施的声音采集、训练、生成等利用行为，即侵权行为是否成立。前者解决的是“保护什么”的问题，后者解决的是“谁侵权”的问题，共同构成AI声音侵权的完整审查框架。

三、第一道判断门槛：声音是否具有法律上的可识别性

AI声音侵权认定中最常见的认知误区，是将声学鉴定层面的“声音相似”直接等同于人格权层面的“可识别”。二者分属技术与法律两个不同维度，判断标准与功能均存在本质差异。

（一）声学鉴定解决的是“技术上像不像”

声学司法鉴定通过共振峰、基频、频谱等声学参数，对不同声音样本的物理特征进行量化比对，输出的是“两个声音在技术参数上的相似程度”这一技术结论。本案中，鉴定结论显示案涉音频与原告声音高度相似，即属于典型的技术事实查明，其作用是证明生成声音与权利人声音之间存在物理特征上的高度关联。

但技术层面的高度相似，并不直接等同于法律层面的可识别性。人格权保护的核心是声音的身份识别功能，这一功能的判断必须结合社会认知标准，而非单纯的物理参数。

（二）法律可识别性取决于社会认知，而非单纯技术参数

本案审理法院认为，AI处理后的声音，若一般社会公众或者一定范围内的相关公众能够通过音色、音调、发音方式等识别出特定自然人，即满足法律上的可识别性要求。一审法院进一步将该标准具象化为：案涉音频与原告声音高度相似，“足以使公众尤其是其亲友误认为系其本人发声”，即达到可识别性门槛。

可识别性标准具有显著的场景性：对于知名度较高的公众人物，识别主体通常为一般社会公众；对于配音演员、有声主播等特定职业主体，识别主体可限定为其作品覆盖范围内的相关公众与熟悉其声音的特定群体。应避免对不同知名度的权利人适用统一识别标准，以防保护范围失衡。

（三）鉴定意见不能替代侵权的法律判断

需要明确的是，声学鉴定意见仅是民事诉讼证据的一种，并非侵权认定的终局结论。技术参数可以为可识别性判断提供重要的事实支撑，但最终的法律认定必须由法官结合案件具体场景、权利人知名度、声音使用场景、受众认知等因素综合作出。司法实践中不存在统一的“相似度侵权阈值”，所谓“90%相似度即构成侵权”的说法，是对技术证据与法律判断关系的误读。

四、第二道判断门槛：可接触性——AI声音是如何进入模型的？

可识别性解决了权利客体的归属问题，但要认定侵权成立，还需进一步证明生成声音与被告行为之间的因果关联——这正是“可接触性”规则所要解决的核心问题。传统声音侵权案件中，原始录音本身即可直接证明被告的使用行为；但在AI生成场景中，最终输出的合成声与原始声音不具备文件同一性，权利人无法直接证明“被告的AI系统使用了我的声音素材”。这一技术黑盒导致的归因困境，正是“可接触性”规则产生的现实基础。

（一）可接触性：被告具有获取声音素材的现实可能性，不要求已实际使用

所谓“可接触性”，是指被告在实施被诉行为前，具有接触、获取权利人声音素材的现实可能性，而非已经证明被告实际下载、复制或使用了权利人的具体声音文件。本案中，原告作为配音平台实名认证的配音演员，其作品公开发布于网络平台；被告作为知名互联网平台，具备接触原告公开配音作品的现实条件，法院据此认定可接触性成立。这一认定的核心是“可能性”，而非“必然性”，其功能是搭建从“声音相似”到“行为归因”的逻辑桥梁。

（二）可接触性是事实推定的起点，而非法定侵权要件

需要严格区分的是，“可接触性”是司法认定中事实推定的启动前提，而非《民法典》规定的声音权益侵权的独立构成要件。从现行规范来看，无论是《民法典》第一千零二十三条还是最高法《意见》第四条，均未将“可接触性”列为侵权构成的法定要件。需进一步说明的是，本案被告已自认案涉音频系其AI生成，生成主体本身并无争议，可接触性推定的实际功能在于解决“素材来源”的归因，而非替代全部侵权构成要件的证明。其制度价值在于：当AI技术黑盒导致直接证据缺失时，通过“被告有条件接触权利人声音”这一前提事实，结合声音高度相似的结论，形成对侵权行为的事实推定。这一思路借鉴了著作权侵权中“接触+实质性相似”的证明逻辑，但二者的规范目的与适用场景存在本质差异：著作权规则用于推定复制行为的存在，保护的是著作财产权；而本案中的可接触性规则用于推定声音利用行为的存在，保护的是人格利益，不可直接等同。

（三）可接触性规则的适用边界与可推翻推定的情形

可接触性规则并非无条件适用于所有AI场景，尤其应当限缩其在大规模通用预训练模型场景下的适用：如果AI模型的训练数据来自海量公开声音素材，理论上可接触到所有公开的自然人声音，此时不能仅以“可接触性”推定侵权，还需进一步证明被告存在对权利人声音的针对性采集、定向微调或个性化克隆等行为，避免因规则泛化不当阻碍AI技术的正常发展。同时，若被告能够证明生成声音来源于合法授权的素材库、具有独立的合法来源，或符合《民法典》第一千零二十条参照适用所列可不经同意合理实施的情形（如为个人学习、课堂教学、科学研究在必要范围内使用已公开声音），则可推翻基于可接触性的事实推定。

五、证据偏在下如何举证：责任配置与司法审查逻辑

实体层面的可识别性与可接触性，共同构成了侵权事实推定的事实基础；而该推定的程序实现，则依赖于AI案件特殊的证据结构与举证责任配置规则。

（一）AI案件“证据偏在”：企业掌握核心过程证据

在AI生成声音侵权案件中，权利人通常只能获取公开发布的最终合成音频，无法接触AI企业内部的模型训练数据、输入素材、调用日志、生成参数、操作记录等核心过程性证据；相反，上述技术数据完全由AI企业或平台经营者控制。这种“结果证据在外、过程证据在内”的证据分布，导致权利人难以完成侵权行为的直接证明，因此需要通过举证责任的合理配置，平衡双方的举证能力。

（二）区分客观证明责任与主观提供证据责任：并非举证责任倒置

准确理解本案的举证责任规则，必须严格区分客观证明责任与主观提供证据责任两个概念：

1.客观证明责任始终由原告承担：客观证明责任是指待证事实最终真伪不明时，由负有证明责任的一方承担不利后果的风险。主张侵权成立的原告，始终承担侵权事实的客观证明责任，这一责任不会因诉讼进程而转移。

2.主观提供证据责任可发生转移：主观提供证据责任是诉讼过程中，一方当事人为避免败诉而向法院提交证据的行为责任。当原告提交的证据已使侵权事实达到初步的高度可能性时，提交反驳证据的行为责任即转移至掌握核心证据的被告一方。

本案的裁判逻辑完全符合这一原理：原告通过公证保全、司法鉴定、侵权音频传播事实等证据，完成了初步举证（即鉴定报告所载声音参数足以反映AI生成音频与权利人声音构成相似）；此时被告若否认侵权，应当提交其控制范围内的过程性证据予以反驳，否则将承担举证不能的不利后果。司法实践中通常所说的“举证责任转移”，指的正是这种主观提供证据责任的转移，而非客观证明责任的倒置。

上述主观提供证据责任的转移，并非缺乏程序法依据。对于由对方当事人控制的关键证据，对于AI案件中的模型训练数据、输入素材、调用日志、生成参数等电子数据，同样适用前述证据规则予以审查。

（三）“员工离职、系统升级”这类抽象口头抗辩不能替代对历史数据的举证

本案中被告的核心抗辩为“案涉音频确为公司AI生成，但具体来源和训练素材因员工离职无法确认”，该抗辩最终未被法院采纳。其根本原因在于：企业内部人员变动，不当然免除企业对自身业务系统数据的举证义务，亦不构成《最高人民法院关于民事诉讼证据的若干规定》第九十五条所称“无正当理由”抗辩中的正当理由。AI企业作为技术系统的所有者与管理者，有义务建立健全数据留存与操作留痕机制，确保能够追溯系统内的历史生成行为。若企业无法说明生成主体、调用账户、输入素材、模型版本、生成时间、传播路径等核心事实，仅以“员工离职”“系统升级”等抽象理由进行抗辩，其证明力不足以推翻已有的事实推定。

（四）裁判逻辑：二元审查——技术事实查明与法律标准适用

最高法《意见》第十七条、第十八条要求加强诉讼引导与释明，发挥人民陪审员、鉴定人、专家辅助人及技术调查官作用查明技术事实，并完善涉人工智能纠纷案件的证据审查规则，确立了“技术事实查明、法律标准适用”的二元审查结构。技术事实查明解决“案件事实是什么”，主要依赖司法鉴定、技术勘验等专业证据；法律标准适用由法官依职权作出，解决“事实是否符合法律要件”，核心是可识别性判断与侵权归因判断。二者不可相互替代：技术鉴定结论不能直接代替法律认定，法律判断也不能脱离技术事实。

六、企业合规实操：如何让AI合成语音业务做到“可授权、可追溯、可自证”

本案确立的裁判规则，不仅为司法实践提供了裁判指引，也为AI企业划定了合规边界。本案中被告败诉的核心原因，不仅在于可能存在的未经授权使用行为，更在于其无法通过系统数据证明自身行为的合法性，最终因证据妨害承担不利后果。对于从事AI语音、声音克隆、智能客服、AI配音等业务的企业而言，合规的重点应当从“有没有授权”延伸至“能不能证明授权的存在与使用的合规”，具体可从四个维度构建防控体系。

（一）源头管控：把好授权与素材来源关口

对应裁判规则：可接触性是侵权事实推定的启动前提。

1.明确授权边界，区分使用场景。传统的声音使用许可，不当然包含AI训练、声音克隆、合成人声生成等权限。企业在签订声音授权合同时，应当明确约定声音采集、模型训练、微调优化、声音克隆、合成人声生成、商业传播等不同处理行为的授权范围、期限、地域、用途及再许可规则，避免因授权范围模糊引发争议。

2.建立素材白名单与来源台账。对进入AI系统的所有声音数据实行“授权白名单”管理，逐一记录数据来源、授权主体、授权文件、授权用途、有效期限、适用模型与商业化范围。对于高风险的特定自然人声音素材，建立“一音一档”的声音资产档案，从源头排除“未经许可使用”的事实推定空间。

（二）过程管控：做好全流程日志留痕管理

对应裁判规则：控制证据拒不提交的，承担证据妨害的不利后果。

1.全流程系统自动留痕。对AI系统的输入素材、提示词、模型版本、调用账户、调用时间、生成结果、操作日志等核心数据，建立系统自动留存机制，留存期限覆盖民事纠纷诉讼时效。确保发生争议时，能够完整还原声音数据从输入到生成、传播的全流程事实，不依赖人工记录与人员记忆。

2.权限分级与离职权限回收。对声音数据访问、模型调用、内容生成等权限实行分级管理，核心操作全程留痕并与账号绑定。员工离职时立即回收所有相关权限，完成操作日志与数据权限的交接，确保人员变动不影响历史生成行为的追溯。

3.分阶段差异化管控。模型训练阶段重点管控训练数据的来源合法性与授权链条完整性；内容生成与传播阶段重点审查生成内容的可识别性与商业使用授权。针对不同阶段的风险特征，匹配不同的审核标准与留痕要求。

（三）争议处置：投诉发生后的标准化核查流程

对应裁判规则：抽象口头抗辩不具有证明力。

企业收到声音侵权投诉或通知后，不应仅由业务人员进行口头回应，而应启动标准化的证据核查流程：“争议素材固定→生成记录核查→输入来源核查→授权文件核查→传播范围核查→ 证据保全”。通过完整的系统数据与书面证据回应争议，避免因举证不及时、举证不充分陷入诉讼被动。

（四）外部风险管控：第三方采购与个人信息保护

1.明确第三方服务的责任划分。对于采购第三方AI语音技术服务的企业，应当在服务合同中明确约定素材来源担保、侵权责任承担、诉讼证据配合义务以及追偿条款，通过内部合同安排实现风险分担，在对外承担责任后可向违约的第三方服务商追偿，降低自身最终损失。

2.同步落实个人信息保护要求。可识别特定自然人的声音，其声纹属于生物识别信息，系《个人信息保护法》项下敏感个人信息。企业处理自然人声音素材，除遵守人格权相关规则外，还应当同步满足“告知—单独同意”“最小必要”“安全保障”等个人信息保护要求，防范人格权与个人信息保护的法律风险。

结语：从“技术黑盒”走向“可追溯、可自证”

上海首例AI合成语音侵权案的审结，标志着我国AI人格权保护的司法裁判规则进一步细化。该案的核心贡献，在于构建了一套应对AI技术黑盒的事实认定方法：以可识别性确认权利客体，以可接触性搭建归因桥梁，以证据妨害规则平衡举证能力，最终通过“技术事实查明、法律标准适用”的二元审查完成侵权认定。

从法理层面看，本案既未突破传统人格权保护的基本框架，也未简单移植知识产权的侵权规则，而是在现有法律体系下，通过事实推定与证据规则的灵活运用，适应了生成式AI带来的证据结构变化。它既未在个案中转移客观证明责任，也不是“降低侵权证明标准”，而是在《最高人民法院关于适用〈中华人民共和国民事诉讼法〉的解释》第一百零八条第一款确立的高度可能性证明标准下，通过间接证据的完整链条实现对侵权事实的法律认定。

对于AI产业而言，本案释放的清晰信号是：技术的复杂性不能成为规避责任的理由，技术系统的可追溯性正在成为企业合规的核心基础设施。谁能够完整证明声音数据的来源、授权、输入、生成与传播全流程，谁就能在争议中拥有更强的事实还原与举证能力；反之，无法自证的技术黑盒，终将在司法规则下面临证据缺失带来的不利后果。

案例来源：

本文作者：申浩律师事务所合伙人谭鸿律师