一名配音演员为客户录了音。几个月后，她的声音——不是录音的拷贝，而是一个被训练成能说任何话的模型——出现在某云平台上售卖，把她的身份变成了别人的库存。她从未同意过，而法律此前从未就此被检验。
关键要点
- 北京互联网法院于2024年4月23日一审宣判全国首例AI生成声音人格权侵权案。
- 原告为配音师殷某，发现自己的声音被做成文本转语音产品，在某云平台未经同意售卖。
- 法院认定，在具备可识别性时，自然人声音权益及于AI生成声音；授权一份录音，不等于授权把它克隆成模型。
- 两家有过错的公司——录制并交出音频的文化传媒公司、把声音AI化的软件公司——被判向殷某赔偿25万元（≈3.5万美元/27万港元）并书面赔礼道歉；其余三家因无主观过错免赔。
- 2025年5月，最高人民法院通过法答网重提此议题，重申未经许可使用AI处理过的声音侵犯声音权益。
把声音变成商品的那条链
事实读起来像一条小供应链。殷某，一名在职配音师，曾为一家北京文化传媒公司录音，后者持有录音的著作权。该公司把音频交给一家软件公司，后者拿它当训练数据，做出文本转语音产品。产品随后在上海某云平台上线售卖。一家北京AI公司经中间方购得调用权限，在自己的服务里直接调用该模型。
这些步骤里，没有一步是殷某新说一个字。法院眼中真正的损害，是她可识别的声音被抽取、复制成一个可复用资产。文化与传媒公司、软件公司被认定未经其同意、且有过错；下游买家被判缺乏必要过错而免赔，但上游两家公司承担了责任。
法院到底判了什么
判决立在《民法典》之上，后者参照适用肖像权规则保护自然人声音。法院指出，声音以声纹、音色、频率区分，具有独特性与稳定性，并经由音色、语调与发音风格与特定人绑定。关键检验是可识别性：若一段AI生成声音能让普通听众通过其音色与风格关联到某个具体的人，该声音就落入此人的声音权益。
这个检验窄于全面禁止声音克隆。它保护的是可识别的个体，而非合成能力本身。它也划开行业曾模糊的那条线：持有一份录音的著作权，不等于拥有把说话人克隆成模型的权利。一份使用音频的授权，本身并不授权用其训练说话人模型。
为何是25万元
25万元（≈3.5万美元/27万港元）是裁量金额，综合侵权情节、同类产品市场价值与播放量酌定。它并非按某条法定"每次使用费"算出，因为克隆声音在此情境下尚无此类标准。书面赔礼道歉处理的是尊严侧的损害，金钱处理的是商业侧。
"两家担责、三家免赔"的分割，与数字本身同样重要。它告诉下游用户：经由正常商业渠道买一个模型，若缺乏过错仍可能安全；而溯源与处理声音、未经同意的两家上游公司，扛下了成本。对声音AI厂商，教训在上游：训练数据的合法性，而非API的洁净度，才是责任所在。
2025年最高法的回响
约一年后的2025年5月，最高人民法院通过法答网——面向法官的公开问答渠道——重提该问题。所选答问以平实语言重申：未经本人许可使用经人工智能技术处理的声音，构成对其声音权益的侵权。以北京该案为参照，最高法释放出信号：该判决并非孤例，而是法律当前立场的一种读法。对飞速发展的声音克隆市场——文本转语音API、配音工具、虚拟主播——它在溯源一端封上了"我们只是合法买的模型"这道抗辩。
诚实的局限
本文依赖官媒与法院系统的公开报道，未研读已公布判决全文或法答网原文。涉案公司在公开报道中以"某公司"式占位匿名，故确切商号与API关系此处未确认。25万元数字多家媒体一致报道，但属法院裁量金额，非公式算出。我们未评估此判决如何与2025年9月的AI内容标识办法相互作用（后者只标输出、不解决声音归谁），也未查證其他法院是否已有类似判例。本文只覆盖一案与一次最高法评论，非中国声音克隆法律的整体状态。
普通人现在能做什么
1. 若你是配音演员或艺人，在每份合同里写清声音AI与克隆权——声明录音许可不是模型训练许可，任何AI使用需另行书面同意。
2. 若你构建或购买声音AI，把训练数据溯源到说话人的同意，而不只是厂商条款；下游"合法购买"在源头无授权时并非护盾。
3. 若你发布AI人声内容，配标签与署名，避免未经授权模仿某个可识别的具体的人——法院检验的是可识别性，而非意图。