AI 的音樂生成：為什麼版權爭議這麼大
問題在於前三項的界線非常模糊。「公開可取得」不等於「可自由使用」。一首歌放在網路上讓大家聽，是行使公開傳輸權；把它下載下來、切成片段、餵進模型做訓練，是完全不同的行為，而且通常不在任何授權條款涵蓋的範圍內。唱片公司的主張正是由此而來。
二、爭議的核心：訓練與輸出，兩條侵權路徑
很多人以為版權爭議只關於「AI 生成的歌聽起來像不像某首歌」。實際上，法律上的戰場有兩個，而且第一個戰場比第二個更關鍵。
輸入端：把別人的錄音拿去訓練，算不算重製
第一條路徑是「輸入端侵權」。唱片公司主張，AI 公司在訓練過程中，必然要先重製（下載、複製、切片）受保護的錄音，這已經構成著作權法上的「重製」。即使最終模型沒有輸出任何與原曲相似的片段，光是「複製來訓練」這個動作，就已經落入重製權的範圍。
AI 公司則主要援引「合理使用」（Fair Use）抗辯。在美國法下，合理使用需要衡量四個要素：使用的目的與性質、著作的性質、使用部分占整體的比例、以及對原著作潛在市場的影響。前三項對 AI 公司相對有利——訓練是轉化性的、使用的片段極小、模型學到的是統計規律而非具體旋律。但第四項「市場影響」是致命弱點：如果 AI 生成音樂可以大量取代授權音樂市場，那麼法院很可能認定其市場傷害足以推翻合理使用。
換句話說，這場訴訟的勝負，很大程度上取決於雙方如何證明與反駁「AI 音樂是否正在侵蝕人類音樂的授權市場」。這是一個經濟學問題，也是一個舉證責任問題，往往比單純的法律解釋更難纏。
輸出端：生成結果「太像」某首歌的時候
第二條路徑是「輸出端侵權」。如果使用者刻意輸入「模仿某位歌手」、「重現某首經典歌曲的副歌」，而模型真的產出了實質相似的旋律或人聲，那就可能構成「實質相似」的侵權。這一類案例在圖像生成領域已經出現過不少，音樂領域也開始有零星檢舉。
但輸出端侵權的舉證門檻其實很高。因為著作權保護的是「表達」，不是「風格」。一首歌的「復古 disco 曲風」、「氣聲唱腔」、「四四拍、每分鐘 118 拍的節奏」都不受保護；能被主張的，是具體的旋律序列、和聲進行的獨特組合、歌詞文字，以及錄音本身的聲音。而目前的模型，除非被刻意引導，否則直接複製一段完整旋律的機率並不高。
這造成一個很尷尬的局面：法律上最難證明的，往往是大家耳朵最直覺感受到的。你覺得「這首歌的氛圍就是某某歌手」，但法律上「氛圍」不受保護。這種落差，正是爭議情緒高漲的原因之一。
歷史是不是在重演：從 Napster 到生成式 AI
音樂產業對這件事並不陌生。1999 年的 Napster 讓整個唱片工業陷入長達十年的衰退，最後靠著 iTunes 單曲下載與後來的 Spotify 授權串流，才把產業拉回來。這段歷史留下的教訓是：技術無法被消滅，只能被納入授權體系。
2000 年代的 Google Books 訴訟、2020 年代的 GitHub Copilot 爭議，走的也是同一條曲線——先是全面對抗，再來是部分和解，最後形成某種「先付費、後使用」或「選擇退出」的機制。AI 音樂目前正處於「全面對抗」的階段，而 2025 年陸續出現的和解與授權合作消息，則暗示它可能比預期更快進入下一階段。
三、誰是作者？著作權歸屬的灰色地帶
就算撇開侵權問題，還有一個更根本的疑問：AI 生成的音樂，著作權屬於誰？這個問題在各國法制的答案並不一致，而答案又直接影響商業使用者的風險。
美國：人類作者原則與「提示詞不足論」
美國著作權局在 2025 年初公布的《著作權與人工智慧》報告第二部分中，明確表達了一個立場：單純輸入提示詞，不足以讓使用者成為該 AI 輸出的作者。理由是提示詞缺乏足夠的創作控制力——你無法預測模型會產出什麼具體的旋律、和聲與節奏，因此無法主張那是你「創作」的。
同時，聯邦法院在 Thaler v. Perlmutter 案中也再次確認：著作權法所稱的作者必須是自然人，AI 系統本身不能成為著作權人。這意味著在美國，純 AI 生成的音樂很可能落入「無著作權保護」的狀態——也就是任何人都可以使用，包含你的競爭對手。
但這並不是說所有 AI 參與的作品都沒有著作權。若人類進行了實質的創作投入——例如自行撰寫歌詞、設計具體的旋律骨架、反覆篩選與編輯模型輸出、重新編曲與錄音——那麼人類可主張的部分仍然受到保護。關鍵在於「可辨識的人類創作成分」有多少。
中國與歐盟：不同的切入點
中國在 2023 年的「李某訴劉某」AI 生成圖片著作權案中，北京互聯網法院認定原告透過精心設計提示詞與反覆調整參數，體現了獨創性智力投入，因而享有著作權。這個判決讓中國成為對 AI 使用者相對友善的司法管轄區，但其適用範圍仍以個案認定為主，並未被普遍援引到音樂領域。
歐盟的《人工智慧法案》則刻意避開了著作權歸屬問題，改從「透明度」下手：要求通用 AI 模型的提供者公開訓練資料摘要、遵守歐盟著作權法的選擇退出機制，並標示生成內容。換句話說，歐盟選擇先解決「你有沒有偷用」的問題，把「誰擁有輸出」留給各會員國與既有著作權法制處理。
台灣的實務態度
台灣方面，經濟部智慧財產局曾函釋指出，AI 生成內容若無人類創意投入，不受著作權保護；若有人類實質參與，則就人類創作的部分給予保護。這個立場與美國較為接近，但因為缺乏具體判決累積，實務上仍有不少解釋空間。
對商業使用者來說，這裡有一個很現實的提醒：平台的使用條款通常會把「輸出的使用權」給你，但那只是契約上的授權，不能對抗第三人。如果輸出的內容被認定侵害他人著作權，平台條款並不能幫你免責。這一點在廣告、品牌影片與遊戲配樂的使用情境中尤其重要。
四、產業鏈的連鎖反應：從配樂師到串流平台
版權爭議之所以這麼激烈，不只是法律技術問題，而是因為它牽動了一整條產業鏈的收入分配。當「生成一首歌」的邊際成本趨近於零，原本靠著創作稀缺性維生的人，會最先感受到壓力。
最先被衝擊的，是「功能型音樂」
所謂功能型音樂，指的是廣告配樂、電商影片背景音、遊戲過場音樂、Podcast 片頭、企業形象影片配樂這類「有功能需求但不需要明星光環」的音樂。這個市場原本由素材庫音樂與接案作曲家分食，而它正是 AI 音樂最容易取代的區塊。
原因很簡單：這類需求通常有明確的規格描述（「輕快、正向、三十秒、無人聲、適合產品開箱」），而 AI 正好擅長把規格描述轉成成品。價格從過去一首數千到數萬元台幣的授權費，變成每月幾百元的訂閱方案。對預算有限的中小企業來說，這是無法拒絕的誘因；對靠接案維生的獨立作曲家來說，這是直接被抽掉的訂單來源。
錄音室樂手、和聲歌手、混音師面臨的則是更長期的結構性壓力。當「唱片質感」可以被模型模擬，製作端的人力需求會逐層壓縮。這不代表專業技術失去價值，而是價值會往「無法被規格化」的方向移動——現場演出、即興互動、獨特音色與人格魅力。
串流平台：AI 曲目氾濫與「幽靈流量」
另一個戰場在串流平台。當上架成本極低，就會有人大量生成歌曲、用機器人刷播放次數、再從平台的權利金池分一杯羹。美國司法部在 2024 年就曾起訴過利用 AI 生成大量曲目並透過自動化程式衝高播放量的案件，涉案金額高達數百萬美元。這類行為稀釋了其他創作者的分潤，也讓平台不得不加強偵測。
平台端的因應措施包括：要求上傳者標示 AI 生成成分、限制每日上架數量、強化 fingerprint 比對、以及調整權利金計算方式。但這些措施都還在演進中，實務上仍有大量灰色空間。
對一般聽眾而言，最直接的影響是「發現好音樂變難了」。當大量規格化、聽起來都不錯但沒有辨識度的曲目湧入推薦系統，真正有獨特性的創作者反而更難被看見。這是一種演算法層面的劣幣驅逐良幣。
五、可能的解方：授權、補償與透明化
爭議不會因為某一方勝訴就結束，因為技術已經擴散到無法回收。真正可行的方向，是把 AI 音樂納入既有的授權與補償體系，讓「使用」有代價、「創作」有回饋。目前可以看到的路徑大致有三條。
路徑一：集體授權與選擇退出機制
最務實的作法，是由著作權集體管理組織代表權利人，與 AI 公司談判一攬子授權。這種模式在音樂產業已有成熟基礎——廣播、公開演出、串流平台都是這樣運作的。AI 公司支付授權費，取得訓練與生成所需的重製權；權利人則依照使用量或市占率分配報酬。
另一個配套是「選擇退出」（opt-out）。歐盟 AI 法案要求模型提供者尊重權利人以機器可讀格式表達的退出意願，讓不想被納入訓練的創作者有表達空間。不過實務上，退出機制對已訓練完成的模型幾乎沒有回溯效力，因此它更適合搭配「新資料」與「後續版本」的管理。
路徑二：技術層面的溯源與標示
技術解方包括三類：第一是生成內容浮水印，在音訊中嵌入人耳難以察覺但機器可讀的標記，用來辨識內容是否由 AI 產生；第二是指紋比對，讓平台能比對生成結果與既有錄音的相似度；第三是訓練資料溯源，例如以 C2PA 等內容來源標準記錄資料的來源與授權狀態。
這些技術都不是萬靈丹。浮水印可能被重新編碼破壞，指紋比對對「實質相似但非完全相同」的案例仍有盲區，而溯源標準需要整個產業鏈共同採用才有意義。但它們至少提供了一個可稽核的基礎，讓「有沒有用我的歌訓練」這個問題不再只能靠口頭否認。
路徑三：立法與契約的雙軌推進
立法層面，歐盟已經走在前面；美國則由著作權局的系列報告與各州法案逐步補位，例如針對「數位複製品」與「聲音肖像」的規範，開始處理「用 AI 模仿特定歌手聲音」的問題。台灣目前以行政函釋與既有著作權法為主，未來若出現具體爭議案件，法院的態度將成為關鍵。
契約層面則更值得創作者注意。越來越多唱片合約、經紀合約與素材庫授權條款，開始加入「AI 訓練授權」與「禁止作為 AI 訓練資料」的條款。對創作者來說，簽約時看懂這一條，可能比事後打官司更有實益。
六、給創作者與一般使用者的實用建議
不管你是每天寫歌的獨立音樂人，還是偶爾用 AI 做影片配樂的內容創作者，以下幾點可以幫你降低風險、也保住自己的權益。
如果你是音樂創作者
如果你是一般使用者或內容創作者
七、結語：爭議不會消失，但規則正在形成
AI 音樂的版權爭議之所以這麼大，是因為它同時觸動了三件敏感的事：勞動的價值、法律的邊界、以及創作的定義。它讓「寫一首歌」變成一件可以在三十秒內完成的事，卻也讓「這首歌是誰寫的」變成一個難以回答的問題。
從歷史經驗看，這類爭議最終不會以「全面禁止」收場，而是以某種混雜的授權制度、技術標示與產業慣例沉澱下來。Napster 之後沒有消滅數位音樂，反而催生了串流；同樣地，AI 音樂大概也不會消滅人類創作，但它會重新分配「誰能靠音樂吃飯」這件事。
對身處台灣的創作者與聽眾來說，現在最重要的不是選邊站，而是保持資訊更新與實務敏感度：注意合約條款、注意平台政策、注意立法動態。當規則還在成形，越早理解遊戲規則的人，越有機會在新秩序裡找到自己的位置。
下次你在雅寶社區 · 頂客論壇看到有人分享 AI 生成的歌曲時，不妨多問一句：這首歌的訓練資料從哪裡來？它的使用授權寫清楚了嗎？這些問題看起來瑣碎，但正是它們決定了這場爭議最後會走向哪裡。音樂的未來不會只由工程師決定，也不會只由律師決定，而是由每一個按下「生成」與「播放」的人共同決定。
```