当AI只需176次提示词测试就能复刻一首歌

来源：文汇报

日前，德国慕尼黑地区法院对AI音乐公司Suno作出判决，认定其未经授权训练AI模型侵犯作品著作权。这是继2025年德国音乐著作权集体管理组织GEMA诉OpenAI歌词侵权案之后，慕尼黑法院再次作出的侵权裁决。

如果对Suno的模型进行反复的提示词追问，就能让其高度还原出一首已发表的歌曲，那么人类习以为常的创作方式，或许正站在一个需要被重新定义边界的路口上。

一首歌唱到第176遍

2025年1月，GEMA一纸诉状把Suno公司告上了慕尼黑地区法院。起诉前，GEMA的工作人员和代理律师做了一项测试，挑选了六首欧美经典歌曲，仅在Suno的提示词框输入原曲歌词、音乐风格标签和标题，不给任何关于旋律、和声或节奏的指令，看能不能生成出一首与原作高度吻合的歌曲。

测试结果出乎意料，工作人员用提示词试了176次后，Suno生成出了与He l ene Fi scher的《Atemlos durch die Nacht》在旋律、和声以及节奏多维度相似的歌曲。用相同的方式经过124次后，可生成出和《Big in Japan》雷同的歌曲，剩下的四首《Forever Young》《Daddy Cool》《Rasputin》和《MamboNo.5》，用的提示词次数则在十几次和几次不等，Suno就能生成相似的作品。整个调查过程中没有调取Suno的全部曲库，也没有很复杂的技术鉴定，靠的就是这组看似简单的测试，其结果最终成为法院判决Suno侵权的核心证据。

判决还提到一件事：Suno公司当时是通过流媒体扒取的方式，从视频网站上把这些歌曲抓取下来存入数据库，光数据来源这一步就已经站不住脚了。

当然这场官司也不是GEMA全胜，原本其还主张“公开提供权”，也就是用户能否随时获取这几首歌，法院认为证据不足并没有给予支持。但法院同时认定，Suno通过提供模型和生成输出，构成了向公众传播这几首歌的行为，同样属于侵权。这说明法院追究的是训练这一行为，而不是生成出的音乐成品本身。

目前判决还没生效，Suno方面说会考虑上诉，也不认同判决对其训练方式的理解，但这176次试出来的结果，法院最终给了一个说法。一段旋律只要提示词到位，就能被稳定复现出来，法院认为这不只是巧合，在法律上已经构成复制。训练这件事不再是靠一句“我们只是在学习”就轻松带过。

AI到底学会了什么

如果176次提示词换来的只是一段“像”的旋律，那么接下来该问的是，它究竟像在哪里？是主歌那几个音符的走向，是副歌反复出现的和弦进行，还是鼓点与贝斯线搭出来的律动感？GEMA提交的测试材料显示，输入只给了歌词、标题和风格标签，没有具体到旋律、和声或节奏的任何指令，可生成结果却在这三部分上都和原作高度吻合。这意味着模型复现的不是某种笼统的“情绪”或“氛围”，而是相当具体的音乐语言，一段旋律的音高走向本身，一种和声走向的排列方式。

版权法保护的从来都是具体的表达，而不是抽象的风格，谁都可以写一首悲伤的情歌，但没有人可以原样搬走别人写好的那一句旋律。慕尼黑这起案子有意思的地方在于，它把一个原本模糊的问题摆到了台面上，即AI生成内容和原作之间要相似到什么程度，才算是抄袭了表达，而不只是风格相似。一首歌能被拆解成旋律、和声、节奏、音色、编曲结构，AI学习的边界，就卡在这些可以被量化、被拆解、被重新拼装的元素，以及真正构成一首歌独特表达的元素之间。这条边界一直没被人关注，直到一首歌被测试176次成功复刻后才浮出水面。

人类的创作也从来不是凭空而来。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音乐作品里找养分，这本身不构成任何问题。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，经过的是记忆、情绪、审美这些无法被完全量化的中间环节，最终产出的是带着个人情感的新表达。AI的学习则更接近一种概率上的拟合，大量的音频被拆解成数据，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落在哪里。这种计算精细到一定程度，就足以在统计意义上接近某一首具体的歌，这正是慕尼黑案里176次提示词测试背后发生的事情。

欧盟和德国法律给AI训练留了一个口子，只要是单纯做数据分析，可以不经授权使用受版权保护的作品。但法院认为，Suno的模型留下的不只是分析结果，而是能被重新唤出的具体旋律，这已超出了这项例外原本要保护的范围。人抄一首歌，抄出来的东西多半会走样。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。慕尼黑真正要判的不是学没学过，是学完之后，这首歌能不能被原样唤回来，176次提示词测试，唤回来的正是这个结果。

创作伦理该从哪里确立

当前国内AI音乐发展得也很快，几大平台早把AI创作工具塞进了产品的核心环节。用户不需要懂音乐，仅通过输入音乐风格、歌词等提示词，几分钟就能拿到一首成品，“谁是创作者”这个问题正在变得越来越开放。但训练数据从哪儿来，作品怎么授权，创作者能不能从新的生产方式里分到合理的回报，这些问题一直没有明确的说法。

国内目前还没有一起真正针对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，已经把AI版权问题纳入重点治理范围，但具体到音乐领域，规则还没跟上，产品早已跑在了前面。真正该想的，或许不只是国内平台有没有做好版权合规，而是当AI音乐已经先于制度进入普通人的日常聆听和创作中，该用什么样的规则约束技术，又该用什么样的伦理理解创作。

音乐创作从来不只是技术活，一首歌能打动人，往往是因为创作者在某个具体的处境里生出的一次表达冲动。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完全不一样。AI能快速识别这些情绪，也能按提示词生成匹配的音乐，几分钟就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，创作本身还剩下什么？并不是说AI生成的音乐没有价值，恰恰相反，它让没受过音乐专业训练的人第一次有了表达自己的工具。问题在于，生成音乐变得这么容易之后，真正稀缺的可能不再是做出一首歌的能力，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，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版本里挑一个最好听的人。

当然这不意味着该拒绝AI，技术在艺术发展的道路上起了不可取代的作用，今天的AI也一定会成为音乐人的工具。真正需要明确的，是一种新的创作伦理。技术可以帮人丰富表达，但不能让创作者的劳动在技术学习的过程中悄悄消失。AI可以学音乐，但这份学习该有边界，也该有代价。176次的提示词测试，让一首已经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）