当AI学会“创作”，版权法该保护谁？

慕尼黑地方法院的判决下来那天，我正跟实验室一个做音乐生成的小师弟聊他的实验配置。他说他用Meta的MusicGen做微调，训练集里混了一些网上爬下来的歌曲片段，结果跑出来的效果像“被踩了尾巴的猫”。我说你小心点，德国那边已经有人因为这事吃官司了。他愣了一下，说“可我只是做学术研究啊”。

学术研究，这四个字在版权法面前，从来不是免死金牌。Suno这个案子，说白了就是一个实验室级别的实验，被放到了商业化的放大镜下。法院认定Suno无权处理Gema（德国国家授权的音乐版权管理机构）代表的艺术家作品，这个结论本身并不意外。意外的是，法院要求Suno披露非法获利——这等于把AI模型的训练数据来源和收益分成，摊在阳光底下。

训练数据的“黑箱”与可复现性困境

我们做计算机视觉的，经常遇到类似问题。ImageNet数据集里有人脸照片，训练出的模型可能识别出个人特征，但缺了肖像权授权。去年一篇CVPR论文因为用了未经授权的医疗图像数据，直接被撤稿。学术圈有个不成文的规矩：你用公开数据集，责任自负；你自建数据集，必须证明数据来源合法。

Suno的案子把这个规矩推到了商业层面。Gema作为德国音乐版权集体管理组织，代表的是作者集体利益。法院判决的核心逻辑是：Suno无权“处理”这些作品，哪怕只是作为训练数据。这个“处理”的定义非常宽泛——包括爬取、解析、特征提取、参数更新。换句话说，你把一首歌拆成频谱片段喂给Transformer，也算侵权。

这就引出一个学术层面的问题：实验结果的可复现性。如果训练数据本身是黑箱，其他研究者怎么复现？我翻了一下Suno的技术报告，他们只说明了用了“大量公开音乐数据”，具体来源、比例、清洗方式都含糊其词。这在学术论文写作里是致命伤。审稿人看到“proprietary dataset”四个字，大概率直接拒稿。因为没有数据来源的透明性，实验结果就失去了可复现的基础。

实验设计中的“版权合规”操作指南

从技术角度看，AI音乐生成本质上是一个条件概率建模问题。给定一段旋律，模型预测下一个音符；给定一段歌词，模型预测对应的和声。但训练这个模型时，需要大量配对数据（旋律+歌词+编曲）。如果你用受版权保护的作品做监督信号，那就相当于在受保护的数据上做参数拟合。

我建议同行们，尤其是做音乐生成、图像生成、文本生成的同学，关注以下几个操作步骤，可以大幅降低法律风险：

1. 明确数据来源协议：在 data/ 目录下建一个 LICENSE.md 文件，逐条列出每部分数据的授权协议。比如CC0、CC BY-SA、或者商业授权。不要用“互联网公开数据”这种模糊表述。法院只看你有没有获得授权，不管你爬没爬。

2. 使用“干净”数据集作为基线：去 https://huggingface.co/datasets 里找那些标注了“no copyright”或“public domain”的音乐数据集，比如 MusicNet 或 MAESTRO。虽然容量小，但至少能跑通实验。如果经费允许，可以买商业授权数据库，比如 AudioSet 的扩展包。

3. 在训练脚本中增加版权过滤模块：写一个 filter_copyright.py，对每个音频文件调用 acrcloud 或 audd 的API，识别出受保护作品后直接跳过。这个步骤虽然会损失约20%的数据，但能让你在论文的“Ethics Statement”里写清楚合规流程，审稿人挑不出毛病。

4. 披露训练数据的统计学特征：在论文附录里，报告数据集的时长分布、流派分布、国家分布，但不提供具体文件名。这既保护了隐私，又满足了可复现的最低要求。很多顶会现在要求提交“数据卡”（Data Card），就是干这个的。

实验室经费紧张与版权成本的博弈

说句实话，我们实验室的经费常年紧张。做AI音乐生成，买一套商业音乐数据库，预算大概在5万到10万人民币。而用公开数据集，成本几乎为零。但Suno案告诉我们，零成本不等于零风险。如果学生用爬虫抓了Gema管理的作品，被起诉的话，赔偿金可能超过实验室一年的经费。

德国法院判决Suno必须支付赔偿金，具体数额还没公布，但参考Gema之前与Google的案子，单首歌曲的赔偿在0.5到1欧元之间。Suno估计用了数百万首，算下来几百万欧元。这个数字足以让一个初创公司破产。对于学术实验室，虽然诉讼风险相对低，但一旦被卷入，学校的法律部门会直接要求你删除所有数据，论文可能被撤稿，实验白做。

---

上个月一个博士生问我，能不能用Spotify的API下载用户播放列表做歌曲推荐研究。我说你先读一下Spotify开发者协议第7.2条，上面写着“不得将数据用于训练机器学习模型”。他不信，说“大家都这么干”。我给他看了Suno的判决书，他沉默了。

学术研究的底线，不是“大家怎么做”，而是“法律允许怎么做”。 当AI学会“创作”，版权法保护的不是创作者的情绪，而是创作者赖以生存的经济基础。