近年来，利用人工智能大模型生成的音乐作品在网络平台广泛传播，引发了公众关注与法律层面的讨论。此类事件不仅体现了人工智能技术在音乐领域的发展，更将其背后复杂的法律问题带入公众视野，具体涉及生成作品的著作权归属、对原作品的合理使用边界、对表演者权的潜在影响，以及对特定自然人声音、风格等人格利益的保护等问题。

传统音乐创作活动以人类创作者为核心。《中华人民共和国著作权法》（简称《著作权法》）亦基于此种“作者中心主义”理念，将作品的权利赋予从事独创性智力劳动的自然人、法人或非法人组织。AI技术的介入使得音乐创作过程呈现出多元主体参与和技术深度嵌入的特点。一部AI音乐作品的诞生是数据、算法与人类指令共同作用的结果，其创作流程从数据筛选、模型训练到用户通过提示词（Prompt）引导修正，过程更趋复杂。

面对这一创作方式的变化，若简单地以现有“人类中心主义”的逻辑作出否定性结论，可能无法有效回应技术发展的现实，亦不利于新兴文化业态的健康发展。本文遵循“技术-法律”的分析框架，旨在厘清AI音乐生成的技术原理，并以此为基础，探讨其在法律意义上构成“作品”的可能性与独创性来源，进而解构创作链条中不同主体的贡献属性，最终提出符合当前技术阶段与法律原则的著作权归属与利益分配的可能性方案。

一、AI音乐的作品属性与独创性认定：从技术原理到法律分析

探讨AI音乐的著作权归属，一个基础性问题是：AI音乐是否构成《著作权法》意义上的“作品”？根据该法规定，作品是指具有独创性并能以一定形式表现的智力成果。“独创性”与“智力成果”是其核心要件，分别强调了独立创作并具有一定创造性以及与人类智力活动的关联。因此，对AI音乐的法律定性必须回归其生成过程，考察其中是否存在以及在何种程度上存在人类独创性的智力投入。

（一）AI音乐生成的技术路径解析

理解AI音乐的生成逻辑，是进行法律分析的技术前提。当前主流的AI音乐生成技术，其工作流程可大致分解为三个环环相扣的核心阶段。

1.数据转化与处理阶段：此阶段是AI学习的基础。海量的存量音乐作品，无论是记录音符信息的MIDI文件还是音频文件（如WAV、 MP3等），都需要被转化为计算机可以理解和处理的标准化数字形式。该过程的核心是向量化处理，即将音乐解构为音高、时长、力度、音色等基本元素的向量数据，因为AI模型本质上是通过数学运算处理数据，此步骤的质量决定了模型学习的上限。

2.模型训练阶段：这是AI生成能力的核心环节。算法开发者利用深度学习模型对处理好的数据进行大规模训练。例如在GANs模型中，“生成器”与“判别器”在对抗博弈中共同进化，提升生成内容的逼真度与复杂度。算法的设计、模型的选择和训练参数的微调，决定了AI“理解”音乐规律和“创造”音乐的能力水平。

3.生成与人机交互阶段：这是终端用户直接参与并主导内容生成的阶段。用户通过提示词引导模型创作，提示词可简单（如“一首悲伤的钢琴曲”），也可极为复杂专业（如“一段140BPM的四四拍Techno，使用经典的TB-303合成器音色创作酸性贝斯线，并加入TR-909的鼓点，表达风格包含宇宙、迷幻、电子、未来感”）。AI模型解析指令，并结合其知识生成音乐。用户通常可以对初步结果进行多轮反馈与迭代修改，不断修正作品直至达到预期。

从上述流程可以看出，AI在音乐生成过程中其角色已远超传统音乐制作软件的工具属性。传统软件中，用户输入对应确定操作；而AI模型则基于其“学习”到的知识，对用户的抽象指令进行“理解”和“演绎”，深度参与了内容组织与表达过程。

（二）人类参与对AI音乐独创性的法律影响

在当前人机协作模式下，人类的参与贯穿始终，这正是AI音乐能够满足“独创性”和“智力成果”要求的基本前提。在AI音乐的创作过程中，人类的独创性智力投入体现在以下层面：

1.数据层面的选择与编排：训练数据的选择、标注和结构化处理，本身就蕴含了数据提供方的审美偏好和音乐分类体系。这种带有明确目的性的数据组织行为，实际上会对最终作品的风格倾向注入人的选择。不过目前市面多数AI工具未披露其训练数据库，仍主要由用户通过提示词进行末端控制。

2.算法层面的设计与建构：算法开发者对模型架构的设计、对音乐美学规则的筛选编码，以及对交互界面中风格化生成模块的预设，均是对音乐创作方向的实质性引导和控制，属于融合了艺术理解与技术实现的创造性劳动。

3.用户层面的指令与迭代：终端用户通过精心设计的提示词，对音乐的风格、结构、情绪、配器等要素进行具体安排，是作品个性化表达最直接的来源。用户输入的详尽程度与创造性直接决定了生成作品的独创性高度，后续的多轮修改与迭代更是用户审美判断与创作意志持续注入作品的过程。

综上所述，在AI音乐创作从数据到算法再到用户指令的整个过程中，人类是深度参与者，其最终成果是人类个性化表达通过AI技术媒介的延伸。从这个意义上讲，认定其在满足一定条件下具有“作品”属性，符合《著作权法》鼓励创作的立法宗旨。

二、多方主体的著作权归属分析：“作者链”的解构

既然AI音乐在特定条件下可构成作品，那么接下来的核心难题便是：谁是作者？传统的“唯一作者”或“合作作者”理论无法直接适用。笔者提出“作者链”的分析思路，即承认各方在创作链条中的贡献，并依据其贡献的法律性质与程度探讨权利归属的方案。

（一）训练数据提供方：素材提供者还是共同创作者

训练数据是AI模型的知识来源，数据提供方在数据收集、标注等环节付出了大量劳动，其成果（结构化的数据集）或可构成《著作权法》意义上的汇编作品或受特殊权利保护的数据库。然而，对数据集本身的权利则不应延伸至利用该数据集生成的具体音乐作品之上。主要理由如下：

1.贡献的间接性与非特定性：数据提供方的劳动主要体现在构建通用素材库。对于某一部特定AI音乐的诞生，其贡献是“静态的”和“群体性的”，并未对作品具体的个性化表达施加直接影响，其角色更类似于颜料提供商而非共同创作者。

2.权利链的过度复杂化与高昂交易成本：若将数据提供方认定为每部生成作品的共同作者，将导致权利归属极其复杂。一个模型的训练数据可能来源于成千上万的权利人，用户商业使用时进行逐一授权在实践中几无可能，将严重阻碍作品的合法传播和利用。

因此笔者认为，训练数据提供方的权益更适合通过合同约定（如数据许可协议）而非著作权共享的方式来实现，可通过收取授权费或收益分成获得回报，这种方式既保障其投入，又避免了著作权归属的混乱。

（二）算法开发者：工具制造者还是风格塑造者

算法开发者的贡献性质复杂，可能超越了中立的“工具”提供者。

1.算法设计中的创作性判断：开发者在选择模型、设定参数时，融入了大量基于音乐美学和用户需求的理解。例如，一段电影配乐，AI模型会在情绪渲染上进行侧重。这种“算法层面”的塑造深刻影响了生成作品的底层风格，是开发者智力投入的体现。

2.“工具”与“创作贡献”的界限：区分开发者的贡献停留在“通用工具”层面还是参与了“具体创作”，需要具体判断。可参考的因素包括：（1）算法的约束性程度是开放框架还是风格化生成器。（2）是否预设了带有个人审美偏好的艺术风格模块。（3）对用户输入的干预程度是忠实转译还是大幅再创作。

算法开发者的著作权地位需要根据其对最终作品个性化表达的实质性影响程度进行判断。若仅提供通用框架，由用户提示词决定全部个性化表达，则角色偏向于工具提供者；反之，若通过算法对结果施加了强烈的、可识别的风格导向，则构成对创作的实质性参与，具备了成为共同作者的可能性。未来的司法与行业实践，可探索建立“算法贡献透明度”机制，以便于对开发者的贡献进行归因和评估。

（三）终端用户：指令发出者还是核心创作者

在“作者链”中，终端用户是距离作品最终形态最近的一环，是特定作品诞生的直接启动者和主导者，是作品独创性最主要和最活跃的来源。

1.提示词的法律性质——从“思想”到“表达”：《著作权法》不保护抽象的思想，只保护具体的表达。当用户通过具体、详尽、具有内在逻辑和审美安排的提示词，对音乐的风格、结构、配器等核心要素产生决定性影响时，该系列提示词本身就构成了具有独创性的表达，但终端用户的贡献度并非均质的。

（1）低度贡献：仅输入“创作一首好听的歌”等宽泛指令，用户独创性贡献极低，难以主张作者身份。

（2）中度贡献：通过描述场景、情绪或氛围来引导创作（如“一首适合在雨夜咖啡馆聆听的慵懒爵士乐”），若指令在最终作品中得到了可识别的体现，即构成用户个性化选择的独创性贡献。

（3）高度贡献：具备音乐知识的用户通过精确指令控制调性、和声、配器等，其行为与传统作曲过程高度相似，对作品具有主导作用。

2.迭代修改的创作价值：用户对AI初稿的反复审听、评价和修改指令，是其创作意志持续注入作品的证明，类似于传统创作的推敲过程，每一次调整都强化了用户的作者地位。

笔者认为，在多数能生成具有独创性内容的情况下，对生成作品的个性化表达付出了足够智力投入的终端用户，应当被认定为AI音乐作品的作者或至少是主要作者，享有著作权。

三、“作者链”思路下的权利配置与行使创新

基于上述分析，单一的作者认定模式已不适应AI音乐创作的现实。“作者链”思路的核心在于解构创作过程，承认多元主体的贡献，并在此基础上进行创新性的权利配置。

（一）权利归属：从“唯一作者”到“贡献度赋权”

在立法完善和司法实践中，可以考虑建立一种基于贡献度的阶梯式权利归属模型。

1.终端用户为核心权利人：鉴于终端用户的指令是作品独创性的主要来源，应将有实质性贡献的终端用户设定为默认的核心著作权人。这符合著作权制度的立法初衷，也最具权利行使效率。

2.算法开发者的选择性共有：当且仅当算法开发者的算法设计对作品的最终表达产生了可识别的、实质性的、超越通用工具范畴的影响时，可以认定其为共同作者，与终端用户共享著作权，其权利份额可以根据算法的贡献度通过平台服务协议（ToS）事先进行约定或事后协商。

3.数据提供方的合同性补偿：如前所述，数据提供方的贡献通过前置的许可协议获得经济回报，不进入具体生成作品的著作权归属链条。

（二）权利行使：以效率为导向的模式设计

为避免因权利人多元而导致的权利行使僵局，提高作品的流转与利用率，可以设计以终端用户为主要权利行使人的模式。

1.授权与维权代理：当存在共同作者时，可通过平台协议预设由终端用户代表行使普通许可授权和提起维权诉讼，以降低交易成本。转让、专有许可等重大权利处分则仍需共同作者协商一致。

2.收益分配机制：终端用户获得收益后，依据平台内置分配规则向其他有贡献的主体（如算法开发者）进行分配。平台方可扮演技术中介角色，确保分配透明。

（三）署名方式的创新探索

为准确反映各方贡献，可探索更灵活的署名方式，例如：（1）终端用户：创作人（Creator）或提示词设计（Prompt Design）-[用户名称]；（2）算法开发者/平台：由……AI引擎生成（Generated by [AI Engine Name]；（3）训练数据来源（可选）：部分训练数据支持（Training Data Supported in Part by [Data Provider Name]）。

此种复合署名方式在法律上尊重了各方贡献，事实上也向公众清晰展示了作品的生成方式，有助于建立透明、健康的AI创作生态。

【作者：周魏捷，上海锦天城（福州）律师事务所】

 

【责任编辑：宋安勇】