百元克隆明星声线！爆火的“AI方大同翻唱”或触三重侵权

“AI方大同”翻唱《珠玉》刷屏推荐页，“AI孙燕姿”《发如雪》翻唱视频以360万+播放量刷新热度纪录，音乐圈出现了一场意料之外的变化。当AI歌手从二次元小圈层进入大众文化，直接面对的，是陷入三重版权侵权的争议。

AI歌手爆火 技术迭代催生UGC创作井喷

2025年6月，以“AI 方大同”声线翻唱的《珠玉》视频出现在社交平台，这首由单依纯原唱的歌曲被重新编曲为融合传统民乐与现代R&B的版本，播放量最高达120万次。用户惊叹于AI对“方氏转音”的精准复刻——如副歌部分“珠玉在侧”的颤音处理，评论区称“比原唱更贴合方大同的音乐哲学”。这类视频通过“经典曲目+顶流声线+风格混搭”的组合，迅速成为破圈利器。

多个社交平台出现AI方大同音色的歌曲《珠玉》

早在2023年上半年，B站用户打开推荐页时，十有八九会刷到“AI 孙燕姿”的翻唱作品。这个由人工智能生成的虚拟歌者，以孙燕姿极具辨识度的声线演绎其他歌手的经典曲目，甚至跨界挑战魔性歌曲，单条视频最高播放量突破百万次。用户惊叹于“音色逼真到像本尊开小号”的同时，“AI周杰伦”、“AI王菲”、“AI陶喆”等克隆歌手也相继涌现，从B站视频到网易云专属歌单，形成“万物皆可AI”的创作景观。

网易云有以AI方大同、AI孙燕姿为名的专属歌单，播放量均破百万

更早在2003年，雅马哈推出的VOCALOID技术就已开启虚拟歌手时代，初音未来凭借《甩葱歌》成为亚洲现象级虚拟偶像。但早期 VOCALOID因电子音色生硬、缺乏情感表达，始终局限于二次元“V圈”。直到2020年Dreamtonics公司更新Synthesizer V引擎，通过神经网络技术实现“呼吸声、转音与真人无异”的演唱效果，AI歌手才真正具备破圈可能。而2022年So-Vits-SVC模型的出现，则彻底降低了真人声线克隆的技术门槛——用户可用数小时的歌手干声素材，通过该模型训练出专属AI歌手。

技术迭代催生了内容井喷。B站UP主“陈墨瞳 1995”曾在一周内发布10个“AI孙燕姿”视频，最火爆的一期视频播放量超过360万；更魔幻的是跨语种、跨次元的创作实验：打雷姐 AI翻唱《大悲咒》、Kanye West声线演绎《阳光彩虹小白马》，这些打破常规的作品在社交平台引发裂变式传播。

百元即可复刻 AI翻唱批量炮制 “顶流平替”

AI歌手的诞生，本质是一场声音的数字克隆。以AI孙燕姿为例，其技术实现依赖于 So-Vits-SVC，尽管该项目已停止维护，但其衍生的4.0-v2模型仍在AI音乐社群中广泛使用。该模型实现声线克隆的步骤可拆解为数据采集、模型训练、参数调校三个核心环节。

数据采集是克隆声线的基础工程。开发者需收集目标歌手的高品质干声素材，包括专辑歌曲、现场live、采访录音等，总时长通常需1-2小时，且必须剔除伴奏、噪音及和声。孙燕姿声线之所以成为“最优解”，源于其音色极具辨识度——中音多变、低音扎实、咬字方式独特，这些声学特征便于AI捕捉。

模型训练类似于让AI拥有迁移学习的能力，这一过程依赖深度学习算法。以So-Vits-SVC为例，通过学习歌手的音高、音色、节奏等特征参数实现类似 “声音指纹提取”：算法会将输入的干声转化为频谱图，再通过编码器提取声线特征向量，最终生成可复用的声音模型。更有甚者还支持“跨语种声线融合”，例如将方大同的中文发音习惯与英文歌曲旋律结合，生成类似《The Way I Still Love You》的双语翻唱版本，这类“声线嫁接”作品在B站播放量普遍突破10万。

最后，参数调校是决定AI歌手质感的关键。即便拥有优质模型，仍需手动调整音符偏移、音素时长、力度曲线等参数。例如演唱《发如雪》高音段时，开发者需精细调节“气息振动频率”参数，避免出现演唱高音时的“虚声”问题。业内人士透露，专业调校者仍需花费数小时打磨细节，而新手操作容易导致“京剧大花脸”般的失真效果。

但技术迭代催生的不仅是内容井喷，更有商业化的暗流涌动。开源社区中出现“声线破解教程”，指导用户通过“频谱图逆向工程”提取歌手声纹特征。这使得“AI 翻唱工作室”在短视频创作者中普及——南都研究员在某社交平台观察到，一些AI翻唱为主的账号一天就可发布4-10条内容，完全可通过“蹭热歌 + 克隆顶流”的模式实现快速涨粉。

但是，AI音色克隆技术的滥用也会加剧侵权风险，催生“AI声音黑市”。某二手平台出现“AI声音克隆”服务，卖家宣称“可定制任何歌曲”。南都研究员询价后了解到，用户需要提供音色提供方的单人声音素材，完成一首AI翻唱歌曲的价格基本在80-100元，一般需要一天时间，“只有那些难度太高的歌会贵些”。这种交易暴露了AI歌手产业的灰色地带：当技术门槛降至“百元级”，未经授权的声音克隆已成为可批量生产的商品。

在某二手平台一首AI翻唱歌曲仅需80元，一天内即可完成

或触三重版权红线 AI歌手生成内容需打标获授权

当 “AI方大同”翻唱《珠玉》的视频获得海量播放量时，或已同时触及三重版权红线：方大同声线的声音权、词曲作者的版权。若AI训练素材来自未经授权的现场录音或粉丝录制音频，还可能侵犯录音制作者权，即邻接权侵权。西南政法大学副教授孙山指出“训练AI的过程中使用未授权歌曲素材，现行《著作权法》对此尚无明确界定，这是技术发展带来的法律空白。”

首先，声线作为歌手表演的重要组成部分，“AI方大同”未经授权使用歌手发声方式，本质是对表演者权的侵犯。其次，《珠玉》的原曲著作权属于词作者唐恬与曲作者钱雷。社交平台、视频平台大量AI翻唱视频若未获得作者授权，涉嫌侵犯机械复制权与信息网络传播权。按既往案例推测，若单条百万播放量视频按版权费标准计算，侵权方可能面临数万元赔偿。最后，录音制品的“邻接权”同样容易在这一场景下被忽视。“AI方大同”使用的干声素材若来自未经授权的录音制品，就可能造成邻接权侵权。

2024年4月，北京互联网法院对全国首例AI声音侵权案作出一审判决，认定被告未经授权使用配音演员殷某的声音开发AI语音产品，构成对其声音权的侵犯，赔偿25万元并公开道歉。该案判决确立了三大原则：声音权独立于录音制品，即使录音制品的著作权已授权，对声音本身的AI化处理仍需单独获得权利人许可；可识别性判定标准，若AI生成声音能被普通听众关联到特定自然人（如通过音色、咬字习惯等特征），即构成侵权；平台连带责任，网络平台若未对明显侵权的AI声音产品采取下架措施，可能承担间接侵权责任。

除侵权问题外，AI歌手的爆火也催生“声音遗产”伦理争议。当AI技术“复活”方大同等已故歌手，甚至通过算法生成他们从未演唱过的原创作品时，关于逝者尊严的讨论也愈发激烈。

为规范人工智能生成合成内容标识，国家互联网信息办公室、工业和信息化部、公安部、国家广播电视总局制定《人工智能生成合成内容标识办法》，明确人工智能生成合成内容需要添加显式标识或者隐式标识，并将于2025年9月1日起施行。其中，显式标识指在生成合成内容或交互场景界面中添加的，以文字、声音、图形等呈现并可被用户明显感知到的标识，明确哪些内容是生成的，起到提醒用户的效用。其中由AI合成的音乐也需要在其中进行打标动作，而AI歌手这类作品正是需要被纳入监管的重要组成。

出品：南都大数据研究院

“AI新治向”工作室

采写：南都研究员 孔令旖