上海首例AI声音侵权二审落锤：可识别性成为标尺，平台赔5万

--- title: 上海首例AI声音侵权二审落锤：可识别性成为标尺，平台赔5万 meta_title: AI声音侵权怎么判？上海首例二审给出标尺 meta_description: 上海一中院二审维持原判，配音演员声音被AI合成用于推广，平台赔5万元。法院把可识别性确立为声音侵权核心标准。 ---

配音演员王女士是在朋友的提醒下才发现问题的。有人告诉她，一款App的拉新推广活动里，用的声音很像她。

她去核实，判断那段音频大概率是AI合成的。随后做了公证固定证据，起诉运营方，索赔30万元。案子一路走到上海市第一中级人民法院，终审判决维持原判：平台构成声音侵权，赔偿5万元。

这是上海首例因AI合成语音引发的声音权益保护纠纷案。它值得单独拿出来说，理由跟赔偿金额无关：法院把一个问题讲清楚了，AI模仿一个人的声音，在什么条件下算侵权。

案子里的三个关键事实

第一，被告承认音频是AI生成的，但说不清素材从哪来。

A公司的答辩是：案涉音频确为该公司开发的AI生成，但具体的来源和投喂素材因前员工离职无法确认。公司此前也不知晓王女士是配音演员，不存在采集、使用其声音的情况。

第二，鉴定意见给出了量化结果。

王女士申请司法鉴定，将公证音频与当场采集的本人声音做比对。在28个共振峰声学指标中，24个偏离度小于10%，其中16个小于5.36%。两者较为相似及高度相似的部分达到90%。

第三，法院把举证责任压给了掌握训练数据的平台。

上海一中院认为，A公司作为掌握原始训练数据的控制方，未能就投喂素材来源合法性、未利用自然人声音特征、未造成公众混淆误认等事实充分举证，应承担举证不能的不利后果。

法院确立的规则：看可识别性，不看技术来源

这个案子的核心裁判要旨是一句话：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，生成能够识别该自然人的合成人声，应当认定侵害自然人声音权益。

这里有两层意思值得拆开。

一层是，AI语音开发者常有的辩护思路站不住。有人会说，声音是算法对声纹的重构，跟直接复制原始录音有区别，所以构不成侵权。法院的回应是，判断依据落在合成结果上：它能否让普通社会公众进行特定身份关联。

另一层是，识别门槛定在普通社会公众这个层级，而不是专业人士。案例中的鉴定结果是高度相似，所以有可识别性。但这也意味着，相似度接近到这个程度就会踩线，而不是只有做到以假乱真才算。

这个判例接上了最高人民法院的文件

如果把时间线拉长看，这个案子不是一个孤立的判决。

9月7日，最高人民法院发布《关于依法审理涉人工智能纠纷案件的意见》，第四条明确了两件事：未经同意，利用人工智能处理他人姓名、肖像，生成可识别的虚拟数字形象并使用、公开的，构成对姓名权、肖像权等人格权益的侵害；未经同意，将他人声音用于训练，模仿其音色、语调、发音风格并生成可识别的合成人声的，构成对声音权益的侵害。

这是我国首部由国家最高审判机构出台的涉人工智能司法裁判规则文件。其中最有分量的一点是，声音第一次与肖像获得同等保护，而可识别性成为统一的侵权认定标尺。

上海这起案子出现在这份意见之后，等于把纸面规则落到了具体案情里：鉴定给出90%的相似度，法院据此认定可识别性成立，平台拿不出素材合法来源的证据，赔偿就此成立。

此前还有另一起典型案例被最高法列为参考。2024年，徐州一家文化传媒公司委托带货主播制作宣传视频，主播使用了家庭教育领域学者李女士的公开演讲片段，配上与她声音在音色、语调、发音风格上高度近似的AI合成音频。北京互联网法院在2025年7月判决被告赔礼道歉并赔偿经济损失及维权合理支出12万元。两案指向的是同一个逻辑：未经授权使用他人肖像，再叠加高度吻合的AI合成声音，构成对肖像权和声音权益的双重侵害。

市场端的反应：换脸收紧了，声音克隆还在卖

规则落地之后，交易端的反应并不对称。

据媒体报道，最高法意见发布后的一周内，在部分电商平台搜索，对换脸服务的屏蔽力度较大，搜索结果显示无相关商品；但搜索声音克隆，商品依然大量在售。有的语音合成商品售价33.88元，已售700余件；有的声音模型代训练标价20元；二手交易平台上还有标价8.85元的声音克隆服务，显示已售770余件。

这个不对称本身说明了一个现实：声音克隆的门槛比换脸低得多，素材需求也更隐蔽。一段公开的配音作品、一期播客、一段短视频，就可能构成足够好的训练语料。

而对使用方来说，这些案例给出的信号很明确。第一，不要指望说不清素材来源就能免责，掌握训练数据的一方在举证上处于不利位置。第二，可识别性的判断依赖技术鉴定，一旦合成结果接近到能被公众关联到具体个人，商业使用就构成侵权。第三，赔偿数额会参照权利人同类许可使用费来确定，用AI绕开授权省下的成本，最终可能以赔偿的形式还回去。

对做AI语音产品的团队意味着什么

这起案子的判决逻辑对产品侧有几个直接提示。

训练数据的来源证明需要留档。案例中最致命的一点是A公司说不清投喂素材的来源。对做声音克隆、语音合成、有声内容生成的团队来说，语料的授权链条要有可追溯的记录，而不是依赖口头确认。

声音特征的模仿要与具体个人脱钩。如果产品要生成某个特定音色，授权是前置条件，而不是事后补救。反过来，如果只是想要一个通用音色，训练数据就要确保来自可商用、可追溯的来源。

可识别性这条线要当作红线而不是参考值。鉴定结论中的90%相似度是本案例的认定基础，但法院并没有给出一个固定的数值门槛。这意味着任何接近特定自然人声音特征的生成结果，都需要谨慎评估。

王女士的案子赔了5万元。相比索赔的30万元，这个数字不高。但它的意义不在这个案子里，而在于之后所有人做AI语音时的默认假设都变了。