来源：徽声在线

近期，德国慕尼黑地区法院针对AI音乐企业Suno作出了一项具有里程碑意义的判决，裁定其未经授权利用音乐作品训练AI模型，侵犯了原作品的著作权。这起案件紧随2025年德国音乐著作权集体管理组织GEMA对OpenAI提起的歌词侵权诉讼之后，再次彰显了法律对AI音乐创作中版权问题的严肃态度。

试想，若仅需对Suno的模型进行反复的提示词输入，便能使其精准复刻一首已发表的歌曲，那么，人类长久以来所依赖的创作模式，是否正面临着重塑边界的挑战？

176次提示词背后的旋律复刻

时间回溯至2025年1月，GEMA毅然将Suno公司告上慕尼黑地区法院。在诉讼前，GEMA的工作人员与代理律师精心策划了一项测试：他们挑选了六首广为人知的欧美经典歌曲，仅在Suno的提示词框中输入原曲歌词、音乐风格标签及标题，未提供任何关于旋律、和声或节奏的具体指令，旨在探究Suno能否生成与原作高度相似的歌曲。

测试结果令人震惊。经过176次的提示词尝试，Suno成功生成了一首与He l ene Fi scher的《Atemlos durch die Nacht》在旋律、和声及节奏上均高度相似的歌曲。同样，以124次尝试复刻了《Big in Japan》，而其余四首歌曲《Forever Young》《Daddy Cool》《Rasputin》和《MamboNo.5》的复刻则更为迅速，提示词次数仅在十几次至几次之间。整个调查过程并未涉及Suno的全部曲库，也未采用复杂的技术鉴定手段，仅凭这组看似简单的测试，便成为了法院判决Suno侵权的关键证据。

判决还揭示了另一关键事实：Suno公司是通过流媒体扒取的方式，从视频网站上非法获取这些歌曲并存入数据库，这一行为本身便站不住脚。

尽管GEMA在此案中并未完全胜诉，其原本主张的“公开提供权”因证据不足未获法院支持，但法院同时认定，Suno通过提供模型和生成输出，实质上构成了向公众传播这几首歌的行为，同样构成侵权。这一判决表明，法院追究的是训练行为本身，而非生成的音乐成品。

目前，该判决尚未生效，Suno方面表示将考虑上诉，并对其训练方式的理解表示异议。然而，这176次试出的结果，已足够让法院作出明确判断：一段旋律在提示词到位的情况下能够被稳定复现，这绝非巧合，而是构成了法律上的复制行为。训练行为再也不能以“我们只是在学习”为借口轻易逃避责任。

AI究竟习得了何种音乐精髓？

若176次提示词仅换来一段相似的旋律，那么，我们不禁要问：这相似之处究竟体现在哪里？是主歌音符的流畅走向，副歌反复出现的和弦进行，还是鼓点与贝斯线交织出的律动感？GEMA提交的测试材料显示，输入仅包含歌词、标题和风格标签，未涉及旋律、和声或节奏的具体指令，但生成结果却在这三方面均与原作高度吻合。这意味着模型复现的并非某种笼统的“情绪”或“氛围”，而是具体的音乐语言，包括旋律的音高走向、和声的排列方式等。

版权法保护的是具体的表达，而非抽象的风格。任何人都可以创作一首悲伤的情歌，但无人可以原样搬用他人写好的旋律。慕尼黑这起案件的意义在于，它将一个原本模糊的问题——AI生成内容与原作之间的相似度达到何种程度才构成抄袭表达，而非风格相似——摆到了台面上。一首歌可拆解为旋律、和声、节奏、音色、编曲结构等元素，AI学习的边界便卡在这些可量化、可拆解、可重新拼装的元素与真正构成歌曲独特表达的元素之间。这条边界一直未被重视，直到一首歌被测试176次成功复刻后才浮出水面。

人类的创作亦非凭空而来。巴赫研究过维瓦尔第，贝多芬研究过海顿，一代代音乐人都在前人的作品中汲取养分，这本身并无问题。区别在于，人类的学习是一个理解、消化、转化的过程，一段旋律进入耳朵后，会经过记忆、情绪、审美等无法被完全量化的中间环节，最终产出带着个人情感的新表达。而AI的学习则更接近一种概率上的拟合，大量音频被拆解成数据，模型根据风格与歌词内容等提示词演算出下一个音符最可能的位置。这种计算精细到一定程度，便足以在统计意义上接近某一首具体的歌，这正是慕尼黑案中176次提示词测试所揭示的事实。

欧盟和德国法律为AI训练留有一定的空间，允许单纯的数据分析未经授权使用受版权保护的作品。但法院认为，Suno的模型不仅留下了分析结果，还能被重新唤出具体旋律，这已超出了该项例外原本的保护范围。人抄一首歌，抄出的东西多半会走样；而机器复制一首歌，只要提示词足够具体，原作中的某些具体表达就可能被原样唤回。慕尼黑法院真正要判的不是学没学过，而是学完之后这首歌能否被原样唤回。176次提示词测试，唤回的正是这个结果。

创作伦理的构建之路

当前，国内AI音乐发展迅猛，几大平台已将AI创作工具融入产品核心环节。用户无需懂音乐，仅通过输入音乐风格、歌词等提示词，几分钟便能获得一首成品，“谁是创作者”这一问题正变得日益开放。然而，训练数据从何而来、作品如何授权、创作者能否从新的生产方式中获得合理回报等问题，却一直缺乏明确的说法。

国内目前尚未出现真正针对AI音乐训练环节的著作权诉讼。国家版权局今年开展的剑网专项行动已将AI版权问题纳入重点治理范围，但具体到音乐领域，规则仍滞后于产品的发展。真正需要思考的，或许不仅是国内平台是否做好版权合规，而是当AI音乐已先于制度进入普通人的日常聆听和创作中时，我们该用何种规则约束技术，又该用何种伦理理解创作。

音乐创作从来不仅是技术活。一首歌能打动人，往往源于创作者在某个具体处境中生出的表达冲动。失恋的人写情歌，远行的人写故乡，同样一句“想家”，不同的人唱出来分量截然不同。AI能快速识别这些情绪，也能按提示词生成匹配的音乐，几分钟便能产出几十首风格相近、情绪对味的作品。但当音乐越来越容易被生产时，创作本身还剩下什么？并非说AI生成的音乐没有价值，恰恰相反，它让未受过音乐专业训练的人首次拥有了表达自己的工具。问题在于，当生成音乐变得如此容易时，真正稀缺的可能不再是创作一首歌的能力，而是一个人为什么要写这首歌、想通过它表达什么。当几十首歌可以在几分钟内被造出来时，创作者很容易从表达者变成选择者，从真正创造一段音乐的人变成在几个AI版本中挑选最好听的人。

当然，这并不意味着我们应该拒绝AI。技术在艺术发展的道路上起着不可替代的作用，今天的AI也必将成为音乐人的有力工具。真正需要明确的，是一种新的创作伦理。技术可以丰富表达，但不能让创作者的劳动在技术学习的过程中悄然消失。AI可以学习音乐，但这份学习应有边界，也应有代价。176次的提示词测试让一首已存在的歌被复刻出来，此时真正该问的或许不是AI记住了什么，而是往后它该从哪儿开始学、又该在哪儿停下，别再往前一步把一整首歌都记住。

（作者全璟璟为上海戏剧学院表演系讲师）