她的声音被AI播了32亿次：全国首例AI生成声音侵权案，法院判赔25万

人民法院案例库入库编号：2025-07-2-474-001　｜

2023年5月，配音演员殷某某在几个知名App里，听到了自己的声音。

那些内容不是她配的。她顺着声音一路溯源，追到某平台上一款文本转语音产品——输入文字，跳出来的声音和她几乎一模一样。再往上追，追出了五家公司串成的一条产业链。

而这条链的起点，是2019年她为一家文化公司录过的一部录音制品。

一部录音制品，怎么变成32亿次播放

链条是这样的：

被告二某（北京）文化传媒公司，2019年委托殷某某录制录音制品，是该录音制品的著作权人。2019年5月10日，它与被告三某软件（中国）有限公司签订《数据授权使用协议》，把包括殷某某录音在内的录音数据提供给软件公司——同时交付了一份并非殷某某本人签字的《数据授权书》。

被告三软件公司仅以殷某某的一部录音制品作为素材，用人工智能等技术处理，生成了案涉文本转语音产品，放在被告四上海某网络科技公司运营的云服务平台对外出售。被告五北京某科技发展公司向被告三下单采购了这款产品，再卖给被告一北京某智能科技公司。被告一以应用程序接口（API）形式，未经技术处理，直接调取并生成文本转语音产品，在自己的平台中使用。

平台显示，案涉声音的播放量为 3,256,728,530 次。

殷某某起诉，请求判令被告一、被告三停止侵权、赔礼道歉，五被告赔偿经济损失50万元、精神损失10万元。一审审理过程中，被告一、被告三下架了案涉产品。

北京互联网法院于2024年作出（2023）京0491民初12142号民事判决：被告一、被告三书面赔礼道歉；被告二、被告三连带赔偿经济损失25万元；驳回其他诉讼请求。宣判后双方均未上诉，判决已生效。

焦点一：AI合成的声音，还算不算"她的声音"

被告一方抗辩：人工智能合成后的声音产品，与自然人声音在人身权属性上有所区别；目前的技术都会对合成声音作水印标记，这切断了AI声音与自然人声音之间的联系，不具有对原告人格的可识别性。

法院没有接受这个说法。

《民法典》第一千零二十三条第二款规定："对自然人声音的保护，参照适用肖像权保护的有关规定。"参照肖像权保护，前提是可识别性——他人在反复多次或长期聆听的基础上，能通过声音特征识别出特定自然人。

那么AI处理过的声音呢？法院给出的判断口径是：关键在于通过该声音是否仍能识别出该特定自然人。如果一般社会公众或相关领域的公众，根据音色、语调和发音风格，能把它关联到某个自然人，就认定具有可识别性。

落到本案：被告三仅使用殷某某个人声音开发这款产品；一审庭审当庭勘验，现场用该产品做文本转语音操作，得到的AI声音与殷某某的音色、语调、发音风格高度一致。法院据此认定，案涉AI声音属于殷某某声音权益的保护范围。

判断标准是"能不能听出来是谁"，水印不改变这个判断

注意： 法院讲的是"能认出来就受保护"，而不是"所有AI声音都受保护"。加水印这类技术标记，并不影响公众能否听出这是谁的判断。

焦点二：有录音制品著作权，能不能授权AI化使用

这是本案最容易被忽略、也最容易踩坑的一点。

某文化公司是录音制品的著作权人，这一点法院认可。但法院明确指出：它对录音制品享有的权利，不包括授权他人对殷某某声音进行AI化使用的权利。

原因在于这是两层权利。录音制品的著作权是财产性权利，归制作者；声音权益是人格性权利，归自然人本人。两者不能打包转让，前者也不覆盖后者。

更关键的是那份《数据授权书》——并非殷某某本人签署。因此，被告二与被告三签约、在殷某某不知情且未同意的情况下授权被告三对原告声音作AI化使用，无合法权利来源。

录音制品著作权 ≠ 声音权益——授权链从源头就断了

换句话说： 这条数据授权链从源头就断了：最上游缺一份本人签字，后面每一环签得再规范，也站不住。

焦点三：五被告，谁赔钱，谁免责

法院不是一刀切，而是按过错把责任切开了。

被告二文化公司与被告三软件公司，未经殷某某许可AI化并使用了案涉声音，构成侵权，连带赔偿经济损失25万元。

被告一智能科技公司与被告三软件公司，需向殷某某书面赔礼道歉。

被告一、被告四、被告五主观上不存在过错，不承担损害赔偿责任。

这里有个耐人寻味的差别：被告一虽然免于赔偿，却仍要赔礼道歉。因为它是直接面向用户的一端，以API形式直接调取、未作技术处理就投入使用；而被告四（云服务平台）、被告五（采购方）处在通道与采购环节，既无过错，也未被判赔礼道歉。

至于赔偿数额，法院考量了侵权情节、同类市场产品价值等因素，50万元的经济损失诉请支持了25万元；10万元精神损害抚慰金未获支持，理由是殷某某未举证证明被诉侵权行为给其精神利益造成严重损害。

实务启示

1. AI声音产品的授权链条要一查到底。 拿到上游的一纸授权书，不等于拿到AI化使用的权利。至少要点验四项：录音制品著作权归属、配音者本人的声音授权、授权书是否本人签署、授权范围是否明确包含"AI化处理/合成"。

2. "做了技术处理"不等于自动脱敏。 法院判断可识别性看的是结果——音色、语调、发音风格能否让公众关联到特定自然人。要真正降低风险，得让合成后的声音不再被公众关联到本人，而不是加一个标记了事。

3. 链条上每一环的责任分别认定。 下游采购方、云平台若能证明自己无过错，可以不承担赔偿责任；但直接面向终端用户投放、且未作技术处理的那一端，即便主观上无过错，仍可能要承担赔礼道歉的责任。

4. 这不是名人的特权。 《民法典》第一千零二十三条第二款写的是"自然人"。只要能被识别出来，普通人的声音同样在保护范围内。