从“作品”到“人”：Suno新案正在打开AI时代的另一套权利体系

生成式人工智能引发的版权诉讼已经很多了。

作家起诉模型公司，争的是书籍有没有被拿去训练；新闻机构起诉 AI 公司，争的是文章有没有被复制；唱片公司和音乐出版商起诉 Suno、Anthropic 等公司，争的也是录音、歌词、曲谱和作品有没有被未经许可地使用。

这些案件无论事实多复杂，基本都围绕同一个问题展开：

AI用了谁的作品？

但2026年8月31日提交到美国马萨诸塞州联邦法院的一起诉讼，开始有意识地离开这条道路。

Jason Isbell、David Lowery、Guy Forsyth和Eduardo Calle四名音乐人对Suno提起拟议集体诉讼。

起诉状长达84页，共提出17项诉因。

最值得注意的却不是它主张了什么，而是它没有主张什么：

没有一项版权侵权请求。

原告甚至专门告诉法院，他们并不主张任何人拥有乡村音乐、Americana、蓝调或者任何一种音乐风格，也不试图阻止人或者机器创作某种风格的音乐。

他们提出的问题是：Suno有没有把音乐人本人做成一种可以被机器识别、检索和调用的资源？

这可能是这起案件最值得关注的地方。

过去几年围绕生成式AI展开的大量争论，都集中在“作品”上。

而这起诉讼开始把问题转向了“人”。

第一部分

Suno是一套音乐生成系统。

用户输入文字，它可以生成完整的歌曲，包括人声、旋律、编曲以及相应的文字描述和视觉内容。

原告在这起案件中做了一个非常有针对性的测试。

按照起诉状的说法，当他们只输入“Jason Isbell”这个名字时，Suno生成了一首Americana风格歌曲，同时给出类似“当代Americana唱作人、指弹木吉他”的描述。

原告认为，其中的男声、乡村口音和表达方式会让人联想到Isbell。

输入“Camper Van Beethoven”，系统生成带有上世纪80年代末另类摇滚、folk-rock、手风琴和小提琴元素的作品。

输入蓝调音乐人Guy Forsyth、爵士萨克斯演奏家Eduardo Calle的名字，也分别产生了具有相应音乐特征的结果。

起诉状还列举了Buddy Guy、Mavis Staples、Carly Simon、Tom Waits等大量音乐人的测试实例。(Music Business Worldwide)

Suno此前则公开表示，其系统设置了过滤机制，原则上阻止用户直接以具体艺术家、歌曲或者专辑名称进行提示，也表示不会把艺术家姓名作为训练元数据类别。

原告对此提出了直接挑战。

他们认为，名字不仅能够被输入，一些过滤措施还可以通过在名字字母之间加入空格等方式绕过。

Suno对此否认违法，表示其产品的目的在于帮助用户创造新的原创音乐，而不是利用他人的姓名进行交易，并表示将对诉讼进行抗辩。(

目前，这些都还是双方的主张，并非查明的事实。

法院既没有认定Suno确实把这些音乐人建立为“姓名索引”，也没有认定模型内部存在法律意义上的音乐人身份信息。

但问题已经被非常清楚地提了出来。

如果输入一个人的名字，机器就能够调出一组与这个人稳定对应的声音、唱法、乐器、表达方式乃至视觉意象，那么模型究竟只是学会了一种“音乐风格”，还是已经学会了“这个人”？

这是版权法很难单独回答的问题。

第二部分

1992年的美国经典案件 Waits v. Frito-Lay 就处理过一个非常接近的问题。

广告公司希望Tom Waits为广告演唱，被拒绝后找来另一位歌手模仿他的声音。

案件中一个重要争议就是：

模仿一个人的style，和模仿一个人的voice，是不是一回事？

美国第九巡回上诉法院明确区分了两者。

音乐风格本身不能被一个歌手占有。

蓝调、摇滚、乡村音乐，以及唱法、节奏、情绪等一般风格元素，不可能因为某个人使用得非常成功，就从此禁止其他人使用。

但如果模仿的是一个足够独特、足以让公众识别出具体个人的声音，问题就不同了。

法院最终维持了Waits关于声音被挪用的公开权请求。

更早的 Midler v. Ford 也确立了类似原则：一个著名歌手具有辨识度的声音，可以成为其人格和商业身份的一部分。(Justia Law)

这条三十多年前形成的法律边界，到了生成式AI时代突然变得重要起来。

因为传统模仿是一个人模仿另一个人。

今天的AI则可能进行完全不同规模的工作：

•它可以同时分析一个音乐人的大量录音；

•从不同作品中寻找反复出现的共同特征；

•把音色、音高变化、节奏习惯、吐字、呼吸、乐器配置和表达特征转化为数学表示；

•最后在完全没有复制任何一首具体歌曲的情况下，重新组合出一种让人“觉得是这个人”的结果。

于是，一个问题出现了：

风格本身不受保护，但当足够多的风格特征组合在一起，已经能够稳定地指向一个具体自然人时，它还是单纯的“风格”吗？

第三部分

也正因为如此，原告在起诉状中用了一个非常重要的概念：

identifying attributes——身份识别特征。

他们试图告诉法院，自己要求保护的不是某一个音符、某一句歌词，也不是某一种音乐类型。

他们主张的是散落在大量作品中的一组特征。

这些特征单独拿出来可能都无法获得版权保护。

•音色可能不受版权保护。

•乡村口音不受版权保护。

•某种唱腔不受版权保护。

喜欢使用某种吉他、某种节奏或者某种和声，也不能被某一个音乐人垄断。

但是原告提出了一个很关键的问题：

如果机器把这些要素组合之后，能够指向Jason Isbell，而不是随便一个Americana歌手，这一整组信息究竟是什么？

原告的答案是：这不是作品，而是persona——人格身份。

他们进一步声称，Suno并不是简单地保存某一首歌，而是在大量录音之间“蒸馏”出一个音乐人的共同识别特征，并把这些特征编码进模型。

这是目前原告关于模型工作机制的诉讼主张，并不是法院已经认定的技术事实。

未来如果案件进入证据开示，真正重要的事情之一，就是这些描述能不能被Suno的训练数据、模型结构、内部标签、embedding、测试记录和工程文档所证明。

但即使暂时不判断原告能不能证明，这个诉讼思路本身已经很重要。

因为它把生成式AI诉讼从一个熟悉的复制权问题：

你有没有复制我的作品？

改成了另一个不是版权法体系中的蒸馏问题：

你有没有把“我是谁”提取出来，做进你的模型？

第四部分

这起案件里还有一个很容易被忽略、但可能比“风格模仿”更加重要的起诉理由：

voiceprint——声纹。

原告依据伊利诺伊州《生物识别信息隐私法》（BIPA）提出请求。

他们认为，Suno处理歌手录音时，会把声音转化为数值表示，其中可能包含音高轨迹、共振峰结构、谐波、呼吸状态、时间模式等能够描述声音特征的信息。

如果这些信息能够被用于识别具体歌手，原告认为它们就可能构成BIPA所称的“voiceprint”。

这个论点非常值得关注。

因为它意味着争议进一步向模型内部推进了一层。

版权诉讼通常关注的是：

训练输入是什么？

公开权案件关注的可能是：

生成输出像不像某个人？

而生物识别信息诉讼则是：

模型在中间处理过程中，到底提取了什么？

如果这个理论未来真的得到法院支持，它带来的影响会非常大。

因为一个AI企业即使做到：

•不输出原始录音；

•不复制歌曲；

•不允许输入歌手姓名；

甚至生成结果与任何原作品都不存在实质性相似，仍然可能面对另一个问题：

训练过程中是否曾经从自然人的声音、面部或者身体信息中，计算并保存了能够识别这个人的生物特征。

这已经不是传统意义上的版权问题了。

它开始进入隐私、生物识别信息和人格权的范畴。

第五部分

过去唱片行业最重要的资产，大体可以分为两个部分：

作品版权和录音制作者权。

生成式AI出现以后，这个结构已经不够用了。

至少还要涉及第三层：

人的身份权利。

一首歌的版权可以属于唱片公司。

词曲版权可以属于出版公司。

但歌手的声音、姓名、肖像和人格身份，并不会当然随着录音版权一起转让。

即使一个唱片公司拥有某一段录音，也不意味着它当然能够授权第三方建立一个“这个歌手的AI版本”。

录音属于谁，和“这个人是谁”，是两件不同的事情。

产业实践实际上已经开始承认这种分层。

2025年11月，Warner Music Group与Suno达成合作时，特别提出未来AI歌曲对艺术家和词曲作者的姓名、形象、肖像、声音以及作品的使用，应当采用opt-in机制。

注意这里的权利清单。

它没有只写“music”。

而是专门把：name、image、likeness、voice、compositions，分别列了出来。

它意味着AI音乐的商业许可正在从过去的：

作品许可

转向：

作品许可 + 录音许可 + 人格许可 + AI使用许可。

未来真正成熟的音乐AI授权合同，很可能还要继续拆分：

•允许训练，不等于允许生成；

•允许生成，不等于允许模拟具体歌手；

•允许声音使用，不等于允许姓名使用；

•允许在美国使用，不等于允许全球使用；

•允许娱乐，不等于允许广告代言；

•允许一次项目，也不等于能够永久保存一个人的数字替身。

这会形成一套比传统版权许可更加复杂的权利矩阵。

第六部分

美国的立法其实也正在沿着同一方向发展。

2024年，田纳西州通过ELVIS Act。

这部法律非常具有象征意义。

田纳西原来的公开权制度已经保护姓名、肖像和形象，新法专门增加了voice，并且把“真实声音或者模拟声音，只要能够识别为特定个人”纳入保护范围。

法律还把某些用于生成未经授权声音或形象的AI技术纳入了责任讨论。

到了联邦层面，美国国会又在推进NO FAKES Act。

2026年的版本试图建立统一的“digital replica”权利，核心同样不是作品，而是人的voice和visual likeness。

截至2026年9月初，这项法案已经由参议院司法委员会审议通过并进入参议院立法日程，但尚未获得参众两院通过，因此仍不是现行联邦法律。

把这些变化放到一起看，可以看到一个趋势：生成式AI最早面对的问题，是模型有没有复制作品。

而下一阶段的问题正在变成：模型有没有复制一个人的特点。

第七部分

这对音乐、影视以及未来的文化数据治理，影响可能比一场诉讼本身更重要。

今天很多机构整理影视音乐数据，仍然围绕“作品”建库。

•一部电影有什么版权；

•一首歌曲的词曲作者是谁；

•录音制作者是谁；

•授权期限是多少。

这些当然仍然非常重要。

但如果这些数据未来要进入AI系统，仅仅做作品版权管理已经不够。

至少还要建立另一层数据：

人。

•演员是谁；

•歌手是谁；

•谁的声音出现在作品中；

•谁的面部、身体、动作被记录；

•演员扮演了什么角色；

•角色形象由谁享有何种权益；

•是否允许进行声音克隆；

•是否允许建立数字替身；

•是否允许用本人姓名触发生成；

•是否允许商业广告使用；

•是否允许生成新的表演；

•允许在哪些国家和地区使用；

•授权到什么时候终止。

甚至还要进一步记录：

授权的是作品，还是人的身份；授权的是原始素材，还是从素材中提取出来的数据特征。

这可能是AI时代影视音乐数据治理一个非常重要的结构变化。

过去的数据目录围绕“作品”组织。

未来很可能需要同时存在两套相互关联的数据模型：

作品图谱。

以及：

人物身份图谱。

前者回答：

这是什么作品，谁拥有它？

后者回答：

这里面是谁，他的哪些特征可以被怎样使用？

这两张图谱之间的关系，将成为文化数据能不能真正进入AI时代的基础设施。

第八部分

Suno这起诉讼不应该简单概括为：“AI能不能模仿艺术家风格？”

更准确的问题可能是：人工智能可以学习人的作品，但学习到什么程度之后，它开始是在学习“这个人”？

传统知识产权制度主要保护人的创造物。

作品、发明、商标、设计。

但生成式AI第一次让我们面临一种新的能力：

机器不仅可以学习创造出来的东西，

还可以从无数创造物中反向推导出创造者本人。

•一个人的声音。

•一个人的表演习惯。

•一个人的语言习惯。

•一个人的动作。

•一个人的面部表情。

•一个人的创作选择。

乃至这些特征之间长期稳定的组合。

这些东西并不一定构成一件版权作品。

但它们组合起来，却可能恰恰构成：

“这个人之所以是这个人”的那一部分。

如果生成式AI下一阶段真正大规模商业化的是这种能力，那么今天围绕版权展开的AI法律争议，可能还只是刚开始。

版权解决的是：机器能不能学习我的作品。

Suno这起案件提出的则是另一个更难的问题：机器能不能学习“我”。