深夜刷到一场直播，主播的声音越听越耳熟——是那位给有声书配音的老师。可人根本没出现在画面里，开口说话的，是 AI。
如果你靠声音吃饭，这个场景还有另一种打开方式：朋友甩来一个链接，问「这不你吗」。
配音师殷某遇到的就是这件事。2023 年 5 月，她发现自己的声音在几个知名 APP 上被大量使用——有的被做成语音包在卖，有的被拿去配短视频。
她起诉了五家被告。2024 年 4 月 23 日，北京互联网法院一审宣判：这是全国首例 AI 声音侵权案。
录音的版权卖给你了，声音没有
先把案件的授权链拆开看，因为整件事都挂在这条链上。
殷某曾受一家文化传媒公司委托录制有声读物，双方约定：录音制品的著作权归传媒公司。这一步，没有争议。
传媒公司随后把录音制品提供给一家软件公司，许可对方以商业或非商业用途使用、复制、修改数据。软件公司拿这批录音做 AI 化处理，生成了「晓萱」文本转语音产品，在云服务平台对外出售。
再往下，一家智能科技公司通过接口拿到产品，改名「魔小璇」，上架到自己的配音 APP，供短视频博主做影视解说、游戏配音。相关 AI 配音作品的全网播放量，判决认定为超过 32 亿次。
五家被告在庭上全部否认侵权。理由出奇地一致：我有合法来源，我跟原告有合作，录音的著作权本来就在我们这边。
法院的回应只有一句，却是全案的地基——对录音制品的授权，不意味着对声音的授权。
《民法典》第一千零二十三条第二款规定：对自然人声音的保护，参照适用肖像权保护的有关规定。
这两句话放在一起，结论就浮出来了。录音制品是作品，著作权可以约定归制作方；声音是人格权益，永远长在自然人身上，签不走，也约定不了。
所以合同写得再全，覆盖的也只是「这段录音怎么用」，覆盖不了「拿这个人的声音去做新东西」。前者是财产权的许可，后者是人格权的授权，两回事。
第二个问题更实际：怎么证明被 AI 拿去用的，就是你的声音。
判决用的是「可识别性」。法院经溯源、勘验，认定未授权的 AI 合成声音与殷某的声音高度一致，听众能够辨识出它指向的是她本人。这一步认定之后，她的声音权益才「及于」这段 AI 声音。
这个标准反过来也成立：如果声音被处理到听不出是谁，哪怕素材来源有问题，主张声音权益也会很吃力。可识别性既是门槛，也是边界。
判决结果：两家公司立即停止售卖、使用涉案 AI 声音产品，公开书面赔礼道歉，赔偿经济损失 25 万元。一审生效。
判决里还埋着一层，容易被漏掉：赔钱的是软件公司和智能科技公司——一个做 AI 化处理，一个采购后上架销售。换句话说，「我只是从上游买了接口」不构成免责。你把它摆上货架、卖给了用户，你就是使用行为的一环。
对做内容、做电商的人来说，这个案子能落成三个动作。
第一，把授权拆成两段签。
一段是录音制品的使用许可：写清用途、期限、地域、能不能转授权。另一段是声音的 AI 化许可：写清能不能训练模型、能不能合成新语音、合成后的产品能不能商用、授权到哪天为止。
现实里，很多合同只有第一段。第二段没签，后面做的一切都在裸奔。
第二，采购 AI 语音包时，向上游要第二段授权。
你从供应商手里买语音包，对方的授权链可能只到「录音版权」这一层。所以要多问一句：这些声音的来源人，有没有单独同意过 AI 化使用？
问不到答案，这个产品就先别上架。本案里，采购方正是照价赔偿的那一方。
第三，真要维权，证据往「可识别性」上做。
三样东西最有用：涉案音频与本人声音的同一性比对（可以委托鉴定）、听众能听出是谁的证言或评论、侵权产品的传播数据与获利情况。前两样定性质，第三样定数额。
还有三处空白，别拿它当万能答案。
第一，《民法典》只写了「参照适用」四个字，没有一条专门的声音权规则。什么算合理使用、AI 训练能不能主张、个人声音的许可要不要书面——这些都要靠个案一点点长出来。
第二，它是一审生效，不是终审先例。别的法院怎么判，还要看具体事实。
第三，它管的是「指向特定自然人」的合成。做的是通用音色、不指向任何真人的 AI 配音，不在这个案子的射程之内。
声音这门生意，过去靠的是「我嗓子好」；现在多了一道工序，叫「我怎么证明这声音只归我」。判决给的是「这条路能走通」，不是「这条路好走」。
来源｜北京互联网法院 2024 年 4 月 23 日一审宣判的殷某诉某智能科技公司等人格权纠纷案（全国首例 AI 声音侵权案，公开报道口径）；《中华人民共和国民法典》第一千零二十三条第二款；北京互联网法院课题组《「虚拟数字人」主要法律风险问题研究》、央视《焦点访谈》2026 年 1 月 10 日报道。以官方最新发布为准。
以上事实援引官方文件原文；分析与建议为我们基于官方公开材料作出的判断，不构成对个案结果的承诺。