日本把 AI 声音的规则写下来了。判断标准,不是「像不像」。

2026 年 8 月 7 日,日本法务省公布了一份几乎不会有日本以外的人去读、但只要是发配音项目的人都该读一下的文件。它的名字是《肖像、声音等之无断利用所生民事责任应有样态之检讨会 汇整报告书》,副标题把它是什么讲得很清楚:《关于生成 AI 侵害形象权等之解释指针》。背后的检讨会于 4 月成立,自 4 月 24 日至 7 月 27 日共开了五次会。它产出的,是对一个在评论区吵了两年的问题的官方回答:一个人的「声音」,是否和他的「脸」具有同等的法律分量?在日本,这个答案现在白纸黑字写下来了,而答案是:是。

先讲它不是什么。它不是新立法,也没有创设任何罚则。报告书自己说明,它是以「解释指针」的形式呈现这些内容,期望从事肖像、声音相关业务的人、法律实务工作者,以及开发、提供、使用生成 AI 的人,都能更好地预测民事责任落在哪里。这个区别值得记住,因为它是两面刃。8 月 6 日还合法的事,不会在 8 月 7 日变成违法。真正改变的是:日本法院很可能采取的那套解读,现在被主管机关详细地写下来了——这让「我不知道」这句话,变得难讲得多。

判断标准是「吸客力」,不是「相似度」

整套判断的锚,是 2012 年 2 月 2 日的一则最高裁判决,一般称为「粉红淑女(Pink Lady)事件」——那是日本最高裁第一次正面承认源自人格权的形象权(パブリシティ権)。判决列出三种情形:把肖像本身当作可独立鉴赏的商品来使用、为了差异化而把肖像附加在商品上、以及把肖像用作商品的广告。当该利用可以说是专以利用肖像所具有的吸客力为目的时,即构成侵害。2026 年的这份报告书确认:「声音」落在该判决所称「肖像等」的范围内——声音是能把一个人与他人区分开来的识别信息,也是那个人人格的象征。检讨会对这一点没有异议。

接着是真正该记住的一段,因为它跟多数人以为的逻辑正好相反。报告书指出,声纹的科学比对可以是考量因素之一,但永远不会是决定性的——问题不在两条波形有多吻合,而在那个人的吸客力有没有被拿来用。而且,只是「相似」的声音,仍可能被认定为本人的声音:当相似的程度,连同周边那些会让人联想到本人的信息一并考量后,足以让受众把这把声音辨识为本人的声音时,报告书即认定为使用了本人的「声音」。做到「像、但不完全一样」,不是一个安全港。而「模仿(物真似、声音模仿)」正是那个有启发性的反例:模仿表演通常不构成侵害,恰恰是因为表演者会标明自己的名字——识别信息指向的是表演者,不是被模仿的人。把名字拿掉、让听众误以为那就是本人,报告书则认为有构成侵害的余地。界线在「归属」,不在「相似」。

旁白与有声书,明确被画进了范围里

关于三种情形中的第一种——把声音本身当作可独立鉴赏的商品——报告书的例子从你预期的地方开始:名人的语音消息、语音贴图,然后继续往下:它记载了将旁白、有声书、车载导航、智能音箱归入同一类的学说见解。这不是什么冷僻的边缘案例,这正是 AI 声音被拿来卖的那份日常清单。另外两点,值得整条供应链停下来想一下。第一,知名度不是门槛:报告书明白指出,只要该声音本身具有促进商品销售的效力即为已足,配音员的姓名或肖像不需要广为人知——一把只在某个类型、或某个地区被认得的声音,只要能打动那群受众,同样成立。第二,它往上游延伸。专门围绕某位演员的肖像或某位配音员的声音所建立的训练数据集,其「销售」行为本身就可能落入这套框架,例如被评价为对数据集这项商品的差异化。风险并不局限在最后那支成品广告。

而且,这也不只关乎名人。在形象权旁边,还坐着另一项独立的权利:不被随意利用肖像——现在明确包括声音——的权利。它保护的是精神价值而非商业价值,而且属于每一个人。在报告书的其中一个设例中(以合成声音朗读猥亵文字),结论是:当事人是专业配音员或一般民众,在判断上不太可能出现重大差异——羞耻、不适、自尊受到的伤害,并不随知名度而放大或缩小。

这份指针,为什么在此刻出现

规模说明了时机。2026 年 6 月 25 日,日本一个监测肖像与形象权的非营利组织公布了 2025 年 4 月至 2026 年 3 月这一年度的调查。在 TikTok、X、YouTube 三大平台上,它清点出超过 4 万则涉嫌侵权的帖文,累计约 3.35 亿次观看,对艺人造成的经济损失推估约在 20 亿至 45 亿日元之谱。而在回复其业界调查的 174 家公司中,只有 1.1% 已订定应对指引,46.6% 则没有订定的打算。该组织还往上一层测试了删除:针对 20 个以某位演员肖像训练的未授权模型提出申请,20 个全数下架;然后,同一个人的新模型又被上传了。一个「删得掉、但删不完」的 100% 下架率,大致就是这份指针要回应的问题的样子。

如果你是那个买声音的人,这改变了什么

现在有两项义务,同时坐在同一个音频文件上,而它们问的是不同的问题。欧洲问的是「有没有标示」:欧盟《AI 法案》针对合成音频的透明度规定,已自 2026 年 8 月 2 日起适用。日本问的则是「这是谁的声音、那个人同意了吗」。这两个问题,都不会因为产出听起来够好而得到解答;也都不会有哪个自助工具帮你解答。所以,在你生成任何打算对外发布的东西之前,实务版的问法很短:你说得出这把声音来自哪一位真人吗?你拿得出那份文件,证明他同意了这个用途、这个市场、这个期间吗?另外也该说清楚,这件事还在动。检讨会并非所有议题都取得共识——经纪公司(而非本人)能否提出请求,就被留了下来;而 2026 年 6 月 12 日通过的日本知识产权推进计划,也仍把硬性立法留在桌上,包括是否修正《不正当竞争防止法》。

这一切并不代表 AI 声音是个坏主意。它代表的是:你买的,除了那段音频,还有它的来源。这正是我们从 2008 年在台湾经营配音、一路走进 AI 时没有改掉的那一块:Onyx 声音库里的每一把 AI 声音,都能追溯到一位有名有姓的专业配音员,在一份载明可用于什么用途的书面授权下录音;而交到你手上的成品,带着这条线索,而不是把它留在你那一侧的桌上。如果对一个你正要发布的文件,你答不出「这是谁的声音」,那现在弄清楚,总比播出去之后才弄清楚好。把你要配的内容、要投放的地方告诉我们,我们会确保答案跟着一起交过去。