有声出版中文字有声化的版权困局与定性探讨

兰昊

原文载于《电子知识产权》2019年第11期

摘要：有声出版中的版权困局是对文字有声化转换行为的定性分歧，认定为复制、表演还是演绎将导致不同的权利义务后果。文字有声化转换过程可分为人工朗读和机器输出两种方式。人工朗读的转换属于表演行为，朗读人员可享有表演者权；尽管一些人工朗读体现朗读者个性化的编排设计，但是没有实质性地改变了原作品的最终表达形式，并不构成演绎，然而朗读过程中对声调音律等进行设计编排或者添加音乐音效，呈现出了一定的节奏和旋律，但是难以构成新的音乐作品。机器输出的转换行为本身并不属于复制，目前还无法在著作权法中准确定性，下一步可通过对机械表演的扩大解释将其纳入法律调整范围。融合人工智能技术的机器输出中所产生的价值利益，其所有者可通过反不正当竞争法获得保护。

关键词：有声书；朗读；表演；演绎；人工智能

一、 有声出版中文字有声化转换所面临的版权困局

近年来，有声书逐渐成为了时下流行的传播媒介，是人们在零散时间获取信息资讯和进行娱乐休闲的重要选择。据iiMedia Research（艾媒咨询）数据显示，2018年中国有声书市场规模达46.3亿元，年均复合增长率为36.4%，2019年市场规模有望增至63.6亿元。2019年中国有声书用户规模有望增至4.78亿。庞大的市场规模和良好的市场前景让众多从业者对有声出版充满了希望，一条涉及文字作品作者、出版商、朗读者（播主）、录音制作者、音频平台App的产业链条正在加速形成。然而，复杂的出版环节和众多的参与主体让有声出版面临一定的版权困局。

有声出版强调“书的有声化”，即将书面文字作品转为有声内容，在经过录音制作和剪辑、配乐加工之后，形成音频并进行传播。早在20世纪30年代，美国作家海伦·凯勒的《中流》和埃德加·艾伦·坡的《乌鸦》就被制作成有声读物以满足视障读者的阅读需求。由于其涉及依照在先文字作品内容进行有声化转换的过程，该转换行为在版权法上的定性不仅影响对在先文字作品和有声内容之间关系的理解，而且关涉有声出版需要哪些版权权利的许可、有声出版物的法律性质以及不同参与主体可以享有的权利等问题。如何在著作权法上准确地界定文字作品转语音内容中转换行为的性质，明确各方主体的权利义务，是当前有声出版必须解决的首要问题，也是有声出版健康发展不可回避的重要问题。值得注意的是，文字有声化转换不同于阅读之后进行的口述，也不同于对原文进行删减、增加或者重新组合后的半朗读，而是指对文字作品内容不做变更的情况下将其通过语音呈现出来。

按照实现方式的不同，文字有声化转换又可以分为两种类型：第一种是人工朗读的转换，即将书面文字内容通过他人朗读的方式转换为有声内容。朗读人员可能在停顿、重音、语速、语调等方面有所编排，从而营造出更佳的收听效果。因此，这种方式实现的有声书比较受听众青睐。当然，也有一些朗读人员仅仅是将文字内容进行简单的语音转述，并无太多的艺术加工。第二种是机器输出的转换，即将书面文字内容通过机器自动转换为有声内容，例如TTS技术。这种方式不需要朗读人员的参与，但是转换的效果是相对贫乏无味的有声表达，无法给听众带来抑扬顿挫的感染力和跌宕起伏的故事感。随着人工智能技术的开发和应用，机械输出的转换效果会所有改善，有可能逐渐与人类朗读的语音相接近。两种转换方式的特点不尽相同，实现过程也有一定差异，在理解和分析时应区分探讨。本文希望在我国著作权法的总体框架之下，适当结合域外立法经验，分析上述两种类型的文字有声化转换行为在著作权法上的定性，从而确定经转换后形成的有声内容的法律属性，以此为基础，厘清有声出版中参与各方的权利义务，在保护好文字作品作者著作权的同时，实现有声出版的规范化发展，减少不必要的纠纷和争议。

二、 当前对文字有声化转换的定性认识尚不明确

有声书的制作会将文字作品通过人工朗读或者机械输出的方式进行转换。因此文字有声化转换是有声出版中十分核心的组成部分。学界和业界对于文字有声化转换存在理解和认识上的分歧，这一方面不利于出版者确定需要授权许可的范围，另一方面也不利于司法裁判的统一。

（一）对人工朗读转换的定性分歧较大

一种观点认为这是以朗读（声音）方式对小说（文字）作品进行表演，这个过程中并不存在朗读者的创作行为，朗读人是表演者享有表演者权。无论是朗读、录音还是后期制作，均未改变文字作品的表达，也就无从讨论“改变”是否达到了足够的独创性标准，故制作有声读物的过程不属于对文字作品的改编行为，杭州中级人民法院也持相近观点：“在著作权法中，朗读行为不属于创作行为，而属于对作品的表演，朗读本身不会为作品添加新的独创性成分。对同一作品，不同的朗读者在朗读时会对音调、语速作出不同的选择，甚至会配以富有个性的背景音乐或音效，最终传递出的声音可能存在差别，给听众带来不同的感受。但因这种选择与安排并未改变作品的文字内容，即未改变作品之表达，故不属于对作品的演绎。”将朗读行为进行录音形成录音制品，因被改变的仅仅是文字作品的载体形式，文字表达方式并未改变，故不属于改编行为，实质上系对文字作品的复制。

另一种观点认为，现在制作有声书已经不是简单的照本宣科，而是加入了很多独创性的东西，大部分情况下会形成新的作品。对于一些专门聘请播音员进行表演性的朗读，并且在其中适时加入音乐、声音，精心编排而成的录音制品，应当认定为演绎作品。上海浦东法院也持类似观点：“如果只是简单地将文字作品朗读后形成的音频并不能在原作品上形成一个具有著作权法意义上的新作品。但是如果播音员的朗读技巧、节奏把控、语调控制，还是背景声、背景音乐都很好地配合了故事中跌宕起伏的剧情，是在原文字作品上进行了再加工，形成了一个新的有声作品。”而上海闵行区人民法院更是指出有声读物属文学作品的演绎作品。

上述两种观点代表了不同的思路，第一种观点认为朗读属于表演，根据著作权法，表演的过程尽管体现出一定的创造性，但是表演本身不会形成新的作品。即使加入了特殊的音效设计，也不构成对作品表达的变更。因此朗读表演形成的有声内容不是一个新的作品，参与其中的朗读人员享有表演者权。第二种观点认为朗读过程融入了自己的编排设计，并适当加入一定的音效，朗读人的这些加工体现了较高的独创性，属于对文字作品的演绎，在此基础上所形成的有声内容属于新作品，朗读人员是作者。因此，两种观点争议的焦点在于，融入了包括节奏、语调、音效等个性化编排设计的朗读行为，是否构成对原文字作品的演绎，还是只是属于对原文字作品的表演。

（二）对机器输出的转换存在不同看法

机器输出的方式是将书面文字内容通过机器自动转换为有声内容，例如TTS技术。这种方式不需要朗读人员的参与，即可带来“听书”的效果。目前该技术已经在一些考试辅导、教育教学、新闻浏览软件上应用。对于机器输出转换技术的版权法属性，目前有多种观点：第一种认为其形成的有声读物是对文字作品的复制。通过 TTS程序制作的有声内容在其转换行为中没有产生新的作品，仅仅是原作存储媒介的转换。第二种认为通过TTS技术实现的文字有声化转换，既不是复制，也不是表演，而是一种演绎。TTS技术允许各种各样的人类语音读取文本，每种语音都带有明显的重音和变形。因此，该功能增加了创意表达，而不是仅仅将其转换成新的媒介，第三种是认为TTS实现的大声读书是一种表演，但是并不公开，而且大声读一本书不以任何永久性形式将其捕获，并不属于制作衍生作品且不受到著作权人制作衍生作品权利的控制。观点分歧也存在于实务界，许多出版商认为，文本到语音技术是可以被享有版权的音频作品，而拟议的条约采取的立场是文本到语音技术只能产生临时副本。

综上不难看出，机器输出的转换行为存在被视为复制、表演以及演绎的不同看法。由于这个过程没有人的参与，且目前技术水平还处于直接性的合成输出，无法体现艺术效果。这使得它和人工朗读的差别较大，对于这类依靠技术实现的语音合成输出，现有法律欠缺直接规定。不同的认定思路将产生不同的权利义务结果。虽然对机器输出的语音内容进行录制形成音频之后，该音频属于文字作品的复制件。但是有声出版中的机器输出至少包含两个环节，一是对文字作品进行转换输出语音内容。二是对该语音内容进行录制形成可以固定的音频。在很多场景下，机器输出的转换行为并不伴随录制，而只是一次性用语音的方式将文字作品中的内容呈现出来。尤其是在一些公开的场合中，这种方式能够快速地实现广而告之的传播效果。因此，在分析机器输出转换行为的定性时，还需要分别从转换的过程和制作的结果进行探讨。

三、 人工朗读的文字有声化转换的定性思路

有声读物相比于文字作品而言，最大的区别在于受众接收内容方式和效果不同，有声读物通过声音，即跌宕起伏、停顿有致的讲述或朗诵将内容传达，而文字作品则通过书面字词句，需要读者进行阅读。虽然文字内容是一样的，但是听和看是两种不同的传达方式，感受效果上也差异明显，尤其是加入了朗读人员个性化的编排设计之后，有声读物凝聚了朗读人员的智慧和贡献，此时有声读物与原先的文字作品是什么关系需要结合朗读行为、编排设计以及转换结果等方面进行具体分析。

（一）朗读行为本身属于对文字作品的表演

我国著作权法中“表演权”是“公开表演作品，以及用各种手段公开播送作品的表演的权利”。该定义中没有界定“表演”，按照一般的理解，表演是演员直接或者借助技术设备以动作、声音、表情公开再现作品或者演奏作品。表演者所创造出来的表演活动，是将作品呈现给社会公众的一种方式或形态。通过这种方式或形态，社会公众可以更好地了解和接受作品。需要承认的是，表演可能因表演者的不同而差异巨大，对于作品而言，不同的表演者带来的传播效果不同，而这也是表演者的价值所在。虽然没有改变原作品表达，但是表演者对表现效果的付出需要得到重视，“表演者权”的设置正是对表演者付出的尊重和保护。

对于朗读行为的定性，国际条约和国外的一些立法模式能够为我们提供一些启发。在《伯尔尼公约》中，“朗诵权”是重要的经济权利之一，并且与表演权并列，控制以任何手段或方式公开进行表演或朗诵以及以任何方式向公众传播对作品的表演或朗诵。《德国著作权法与邻接权法》第19条规定了“朗诵、表演和放映权”，此条第1款规定：“朗诵权指通过个人演示使公众听到语言著作的权利。”第2款规定：“表演权指通过个人演示使公众听到音乐著作，或者以戏剧形式公开演示著作的权利。”第3款规定：“朗诵和表演权包括在个人演出的场所之外通过银幕、扩音器或类似技术设备使公众感知到朗诵、表演的权利。”法国《知识产权法典》L.122-2规定，表演指“通过某种方式尤其是下列方式将作品向公众传播：公开朗诵、音乐演奏、戏剧表演、公开展示、公开放映和在公共场所传播远程传送作品”。《美国版权法》中的“表演作品”指直接或者利用装饰或方法朗诵、表演、演奏、舞蹈或者演出作品；涉及电影或其他音像作品时，指以连续方式展示其图像或者使人听到其配音。《日本著作权法》中表演指“通过具有喜剧效果的演出、舞蹈、演奏、歌唱、背诵、朗诵或者其他表演方式再现作品的行为（包括虽不再现作品但具有文艺性质的类似行为）”。上述国际条约和其他国家的规定尽管各有特点，但对于朗读行为性质认定的方向是基本一致的，即属于一种表演或者类似表演的行为。

在我国著作权法语境下，将朗读行为视为表演是可行的。朗诵和演唱等表演行为的共同特征在于通过人的声音动态地再现作品。我国1991年《著作权法实施条例》第5条第（2）项在界定“表演”的概念时列举了“朗诵诗词”，但2002年修订后的《著作权法实施条例》取消了对表演概念的解释。虽然有观点指出很难将朗诵权包括在表演权以内，但我国著作权法在规定表演权时，并没有限定其适用的作品类型，因此尽管《著作权法实施条例》删除了“表演”的解释,并不能就此认为表演权不包括朗诵。在最新的《著作权法修订草案（送审稿）》（2013）中，表演权是指以演唱、演奏、舞蹈、朗诵等方式公开表演作品，以及通过技术设备向公众传播作品或者作品的表演的权利。因此，我国著作权法中的表演权，大致相当于《伯尔尼公约》规定的表演权和朗诵权的总和。

（二）我国法律语境下经过编排设计的朗读不构成演绎

尽管属于“表演”还是属于“演绎”是前述观点的核心分歧，但事实上“表演”和“演绎”并非绝对的非此即彼。“表演”定位于一种传播，而“演绎”定位于一种创作，传播和创作可以在特定条件下同时进行，即兴表演就是典型的例子。以即兴舞蹈为例，舞蹈演员是在没有编排设计的情况下进行舞蹈，跳舞本身是一种表演，但是所跳之舞也是由该舞蹈演员即兴创作，因此，在跳舞的过程中，舞蹈演员既进行了舞蹈作品的创作，同时也进行了舞蹈作品的表演。因而传播和创作两个过程可以同时进行。对于“表演”和“演绎”而言，不应该陷入二者绝对冲突的误区，“表演”本身并不属于创作，但不代表所表演的作品不是创作的作品。因此，分析有声出版中的人工朗读行为的属性并不能仅仅依据朗读属于“表演”，就下结论判断是否产生了新作品。虽然朗读行为本身能够被视为“表演”而不具有创作新作品的效果，但是对实际朗读之前所进行的一系列编排设计是否产生新作品还需要进一步分析。

朗读方式的编排设计不构成改编。著作权法上的改编，强调的是在利用原作品独创性元素的基础上，实质性地改变了原作品的最终表达形式，而不只是将原作品从一种类型变为另一种类型。对于文字作品而言，其最终的表达形式是字词语句的组合，而作品内容的传达，也是通过这样的字词语句组合实现。朗读行为本身没有更改通过字词语句组合的表达方式，更没有转而通过肢体动作组合、图形组合或者视觉画面来传达特定内容。虽然朗读中的发音编排会改变信息接收的效果，但是这种改变不构成著作权法意义上的改编，无论是通过语音（听觉）还是文字（视觉），受众还是通过原来的字词语句组合获知内容。

朗读中加入的音效或音乐的行为是否构成会汇编呢？我国著作权法中的汇编作品是指汇编若干作品、作品的片段或者不构成作品的数据或者其他材料，对其内容的选择或者编排体现独创性的作品。根据该条似乎无法对结合文字朗读和音效音乐的编排设计是否构成汇编行为进行判断。事实上，汇编作品应当是以体系化方式呈现的信息集合。而文字朗读和音效音乐的结合更接近于作品的“结合”或者“合成”，而非汇编作品。德国著作权法规定了作品的结合且区别于汇编作品。汇编以及汇编作品之间仅存在外部联系，因为它们是为了便于共同使用而出现的。而作品的结合中不同的作品形态彼此之间必须具有内在联系。因此，只有在各个组成部分彼此联结在一起的作品具有了单独的利用性并且这种结合不被作为汇编作品的时候，才被看作属于作品的结合，[25]例如歌剧、歌曲、配乐诗歌朗诵。然而，根据德国著作权法，作品的结合需要征得各个作者的同意才能使用。结合后的作品的利用以及产生的利益由各方作者协商确定，德国法似乎并没有赋予结合后作品单独的著作权或者对结合者一定的权利。在我国著作权法语境下，文字朗读和音效音乐的结合无法构成汇编，尽管有一定的投入和贡献，但是结合行为本身不会导致新作品或者新权利的产生。

值得注意的是，在美国版权法上，演绎作品（derivative work）的范例包括将小说翻译成另一种语言，将小说改编成电影或戏剧，或将小说改编成电子书或有声读物。[26]有声读物是版权法定义内的“演绎作品”。这一点和我国有显著差别。美国版权法中的“录音作品”，提供了对于表演者和录音制作者的保护。在全世界的范围内，美国版权法是少有的没有明确规定邻接权的法律，但是并不等于不保护表演者权、录音制作者权。相反，录音作品的设置正是提供了上述保护，美国版权法101条规定录音（sound recording）为演绎作品的一种。但是，在我国著作权法体系下，邻接权为表演者和录音制作者提供保护，因而依据我国著作权法，文字有声化转换并不能视为演绎，也不构成演绎

（三）朗读的旋律和节奏难以产生新的音乐作品

个性化编排设计的朗读与直接读相比，最大的不同在于其对旋律节奏的应用。而这部分也是朗读人员最主要的贡献。朗读和音乐表演、舞蹈表演的不同之处在于，音乐演唱中演唱者会以一定的旋律、节奏将歌词内容唱出来，但是演唱的旋律和节奏已被音乐作品设定好，同样，舞蹈表演中需要以什么样的动作姿态进行展现已经被舞蹈作品所设定好，然而朗读的具体方式并没有被文字作品所设定，也就意味着朗诵人员必须要在这些方面进行编排和设计，朗读者具有较大的创造和表现的空间。虽然按照文字作品内容进行的朗读并没有更改文字作品的字词组合的表达，而只是赋予了文字作品表达不一样的呈现方式，但是朗读作为一种通过停顿和音律来表现的方式，其中的停顿音律却没有记载在文字作品上。因此，朗读人员的创造性贡献主要体现在两方面，一是对朗读方式的编排设计，通过对停顿、重音、语速、语调等选择加工形成一个有特定节奏音律效果的有声内容。二是与特定音效的结合，增加了朗读的艺术表现力。

根据我国《著作权法实施细则》，音乐作品是指歌曲、交响乐等能够演唱或者演奏的带词或者不带词的作品。一般来说，具备音乐的节奏、旋律等要素，创造性地表现作者思想情感就能成为音乐作品。由此可见，音乐作品的核心是旋律、音调等音乐要素及其和谐。然而现实生活中，是否构成音乐作品的判断并非泾渭分明。将一段文字以说唱方式（rap）说出来，与将一段文字以演唱方式唱出来，以及将一段文字以朗诵方式读出来的差异主要在于旋律节奏应用的程度，即和正常语言表达的差异程度。无论是说唱的旋律节奏，还是演唱的旋律节奏，都能被视为音乐作品，但是对于朗读的节奏旋律能否构成音乐作品尚不明确。美国法院认为有声读物不属于包含音乐作品的录音制品，即有声读物和音乐作品不同。在我国著作权法语境下，朗读中旋律节奏的编排设计能否产生新的音乐作品需要结合作品的独创性标准进行判断。

大多数情况下，朗读行为对旋律节奏、声调音律的编排无法达到音乐作品的独创性高度。一方面朗读者以一般性的语言发音模式为主，没有音乐作品那样有突出的音调设计和音阶组合。另一方面朗读者采用的停顿和重音，多是一般的语言表达习惯，并未体现足够的特色。更重要的是，朗读这种艺术形式和说唱、演唱相比，并非主要通过音阶音律的变换组合来表现思想情感，而是通过重音、长音、顿挫等技巧，让原本无太大差异的文字组合中蕴含的内容以差异化的方式展现，使得听众能够更快速准确的获知文字内容中所想表达的思想、情感或故事场景。因此，尽管包含了旋律和节奏，但是朗诵内容的表达基础依然是文字，而非旋律和节奏，所以朗诵的音域跨度一般不会超过五度，而音乐作品往往至少要求达到两个八度，两者的差异正在于此。只有当朗诵的旋律节奏高度连贯融合，起伏有致，才有可能满足独创性要求而被视为新的音乐作品。对音乐作品一般仅保护对声音、音节的独创性排列，即节奏和旋律。即使产生了新的音乐作品，朗读者作为作者也只是对其中的节奏和旋律享有著作权。

四、机器输出的文字有声化转换的定性思路

（一）通过机械表演的扩大解释确定机器输出转换的性质

从我国《著作权法》中“复制权”的定义中可知复制是“以印刷、复印、拓印、录音、录像、翻录、翻拍等方式将作品制作一份或者多份”的行为。而“表演”按照一般的理解，是演员直接或者借助技术设备以动作、声音、表情公开再现作品或者演奏作品。在著作权法上，复制和表演有一定的分界线。复制是以一定方式对作品进行翻版再制，虽然表演也是再现作品，但著作权法意义上的复制一般限于在有形物质载体上再现作品，而且这种再现具有持久的稳定性。如果仅仅是内容的再现，而未借助于有形载体，构成表演、广播等公开传播行为。通过机器输出实现文字有声化转换是否构成复制呢？虽然这种方式是通过机器自动“读”出来，但是依然没有借助于有形载体，“一次过”的收听效果也没有被相对稳定和持久地固定。如果不考虑艺术效果，机器输出和人工朗读在展现方式上比较接近——都是通过语音来展现内容。因此，将机器输出的转换行为认定为复制也难以成立。

机器输出的转换行为虽然也是通过不依赖于有形载体的无形方式再现文字作品。但是与著作权法上的表演所不一样的是，机器输出的转换行为并没有表演者的参与。一般认为，表演是指人或者人借助技术设备以表情、声音、动作公开地将作品的内容或技艺表现出来。尽管能够像朗读那样呈现作品，但是机器输出的转换缺少人的参与，无法满足表演的一般要求。同时，机器输出的转换也并非对录制好的朗诵表演进行播放。而是直接将书面文字通过识别合成技术进行输出。传统上认为机械表演是借助技术设备向公众在线现场表演的情形。因而机器输出的转换由于效果的非录制性导致其无法构成现行著作权法中的机械表演。

机器输出的转换行为是技术进步带来的传播方式变革的表现之一，其本质是通过技术设备将书面文字进行语音呈现。从而达到传播作品的目的，效果上与表演或朗诵接近。在我国现行著作权法中，机器输出的转换行为无法被有效涵盖，与之相似的还有打谱软件的音频输出和自动演奏器的音频演奏等，因为传播作品不同于“各种手段公开播送作品的表演”，虽然在放映权框架下，机器输出的转换有被纳入放映的可能，但也存在一定困难。放映是通过放映机、幻灯机等技术设备公开再现美术、摄影、电影和以类似摄制电影的方法创作的作品等。定义中的“等”字意味着技术设备和作品有解释的空间。然而放映主要是针对能够进行公开展示的作品，更强调借助于影像技术进行视觉形象的再现，对于听觉传达一般不认为是放映。因为通过听觉传达的作品一般不认为构成视觉上的再次展现。但是严格来说，放映权属于机械表演。因此，可行的做法是在机械表演的框架下，通过放映的界定思路，来认定机器输出的转换的性质。

美国众议院关于《版权法》（1976年）的报告中提到：“表演可以通过直接的方式完成，或通过设施或工艺完成。”这或许能够给予我们启发以应对新技术带来的挑战。在最新的《著作权法修订草案（送审稿）》（2013）中，机械表演权将放映权吸收，是指通过技术设备向公众传播作品或者作品的表演的权利，传播作品意味着机械表演不再只定位于传送作品的表演了，还包括传送作品本身。根据《著作权法修订草案（送审稿）》（2013），通过技术设备传播作品本身应当包括一切能够展现作品内容的方式，效果是将作品内容公开并推广。而机器输出的转换能够让书面文字以有声音频的方式进行呈现，符合传播的方式和效果要求。因此通过机械表演来界定机器输出的转换，不仅更符合该行为的本质特征，也更能和我国著作权法体系相契合。

尽管机器输出的转换具有类似“表演”的效果，但是在现行法上依然无法被当前的“表演”所涵盖。非公开的机器输出语音本身也不符合表演“公开性”的要求，因而不受表演权的控制，对于公开的机器输出语音，现行法无法提供依据。对于将机器输出制作成音频并提供或者在线提供的行为，文字作品作者暂时可以通过复制权或者信息网络传播权寻求保护。另外，机器输出的转换也不构成演绎。如前所述，演绎的构成需要满足实质性的改变该作品的最终表达形式，而不是将原来的表达以另一种方式表现。美国法上的演绎作品，包括录音作品，由于美国版权法体系没有设置邻接权保护表演者和录音制作者的贡献，因此录音作品是美国法的一个特色。对于我国而言，这并不具有借鉴价值。

（二）融合人工智能的机器输出转换的价值归属其所有者

通过机器设备表演作品本身的过程一般不会产生“表演者权”，除了没有人参与的原因之外，更重要是因为机器设备并不会对表演作出创造性贡献。就现阶段而言，机器输出的转换行为还无法在停顿、重音、语速、语调等方面体现出独特的编排设计，基本停留在文字和语音的直接转换之上。因此，现阶段机器输出的转换行为没有体现出一定的创造性，但融入人工智能技术之后，机器输出的转换行为有可能能够通过识别文字内容并结合深度学习之后产出有独特编排设计的语音内容。此时机器输出技术将可能面临一个与人工智能生成物类似的问题，即对于在转换过程中加入了独创性的编排之后形成的语音内容，我们是否有必要对其中的创造性成分加以保护。人工智能能否因此享有“表演者权”呢？

人工智能技术对著作权制度带来的最大冲击在于，原本只能由人这一主体从事的工作，将可能由人工智能机器所代替，最典型的表现是创作和传播活动。一如人工智能生成物带来的问题那样，加入人工智能技术后的机器输出转换能够以类似人的方式将文字作品进行有声传播。根据我国《著作权法》规定，在作品传播过程中作出贡献的主体可以享有邻接权。但是人工智能的主体地位依然是个充满争议的问题。在该问题澄清之前，我们不能脱离人来单独给予机器以主体地位。因此，当机器在文字转换为语音的过程中体现出了较高程度的独创性时，即接近于一个真实人类所进行的朗诵或讲述之时，更现实的思路应当是从人工智能中智能实现的过程与与制造者和使用者等所有者的关系出发，来确定机器输出的转换行为之上生成语音内容的价值归属。从机器学习的训练角度看，所有者即为向人工智能注入其意志的主体，人工智能则可视为代表所有者的意志创作。因此，融合人工智能的机器输出转换中产生的有艺术价值的有声内容，应当由其所有者控制其上的利益分配，但是不宜在机械表演中适用“表演者权”，目前来看更适宜通过《反不正当竞争法》加以保护。

虽然从目前来看，在通过机器设备实现的表演中探讨表演者权似乎自相矛盾，没有所谓的“表演者”如何讨论“表演者权”呢？的确，当前对于机器输出实现的朗读，更多还只是简单的转换，难以体现创造性。但是人工智能技术的快速发展让一切产生可能。未来它不仅能够从事“创作”，挑战著作权归属，还能够从事“表演”，挑战表演者权归属。对此问题，本文更多还停留在提出的层面，待技术进一步成熟之后，再作探讨也许会更有现实意义。

五、 结论

化解文字有声化转换的版权困局需要对人工朗读和机器输出的转换行为的进行准确认定。就人工朗读行为而言，首先，人工朗读行为属于表演，非公开朗读时无须获得文字作品著作权人“表演权”的许可。其次，经过个性化编排设计形成的朗读有声内容本身不是对原来文字作品的演绎，并不属于演绎作品。再次，录音制作者对该有声内容进行录制，需要获得文字作品著作权人复制权的许可，同时还要获得朗读者的许可，录制成功后录音制作者享有录音制作者权，该录制品或者该音频属于文字作品的复制件，在网络传播会侵犯文字作品作者信息网络传播权。另外，朗读者如果在编排设计上体现较高独创性，能够产生新的作品并享有著作权，但这不是对原文字作品的演绎作品，而是以旋律和节奏为表达方式的音乐作品，然而这种情况极少且很难实现，因为朗读并不是以音阶音调的变换作为表达手段，其中的停顿、重音等编排尽管体现旋律节奏，但音域跨度较小且大多是常见的发音和表达习惯。就机器输出而言，文字转换语音的过程目前还无法在著作权法上定性。其行为性质与放映类似，效果是传播作品本身而非作品的表演，下一步可通过机械表演进行定性，即通过技术设备传播作品的行为属于机械表演。机器转换后制作的有声音频是原文字作品的复制件。当人工智能融入机器输出的转换技术之后，会对现有法律制度提出挑战，有创造性的有声化输出会产生经济价值，应当由其所有者控制，所有者的合法利益可通过《反不正当竞争法》获得保护。（未经授权禁止转载、摘编、复制及建立镜像，违者将依法追求法律责任）

注：因字数关系，注释省略，详见《电子知识产权》刊发原文。

本公众号定期推送知识产权及竞争政策相关的法律政策与政府文件、最新全球行业信息、国外国防产权动态、原创文章与专家观点、业内高端活动消息、《电子知识产权》（月刊）&《竞争政策研究》（双月刊）文章节选及重磅全文、专利态势发布、中心最新成果发布及相关新闻报道等诸多内容，欢迎各界人士关注！