Sora使用者的著作權侵權風險與治理因應路徑

摘要：Sora生成的視聽作品在思想與表達上分屬于不同的權利主體，其使用者的著作權侵權風險具有高度隱蔽性。Sora是基于海量視頻素材的場景“復現”，在場景與時間的交叉融合中生成，是思維與表達分離的創作過程。Sora使用者的行為存在侵犯復制權、改編權和傳播權（廣播權和信息網絡傳播權）的風險，且具有高度隱蔽性。“接觸+實質性相似”的侵權判定規則和“過錯原則”在適用上均存在障礙，甚至導致舉證不能。應將Sora使用者納入披露主體范疇，將Sora生成視聽作品作為披露內容，同時引入在先作品使用背書制度，以此強化事前的算法風險防范機制，同時適度探索“舉證緩和”制度和靈活使用“舉證責任倒置”，以融合事前防范與事后治理。

關鍵詞：Sora；Sora使用者；著作權；侵權風險

DOI： 10.13734/j.cnki.1000-5315.2024.0316

收稿日期：2024-05-27

基金項目：本文系教育部人文社科規劃基金項目“智能汽車的數據商業化利用法律問題研究”（21YJA820032）、上海市軟科學研究項目“智能網聯汽車數據出境的法律風險及防控研究”（22692104400）的階段性成果。

作者簡介：劉祖兵，男，江西南昌人，同濟大學法學院互聯網與人工智能法律研究中心研究員，研究方向為智能法學、知識產權法學，E-mail： ncliuzb@126.com。

OpenAI于美國當地時間2024年2月15日發布大型視頻模擬模型Sora“Sora”，即日文中的“そら”，寓意“天空”，表達的是該款生成模型具有無限的創造潛力之意。。Sora是基于對真實世界的深度理解和強大的模擬能力，根據使用者文本指令生成的連貫、一鏡到底的高清視頻。Sora的問世，標志著人工智能（Artificial Intelligence）在跨域生成領域取得了新突破。人工智能生成內容（Artificial Intelligence Generated Content，AIGC）成為繼專業生產內容（Professionally Generated Content）和用戶生產內容（User Generated Content）之后的又一新型創作模式中國信息通信研究院、京東探索研究院《人工智能生成內容（AIGC）白皮書》，2022年9月1日發布，2024年3月25日訪問，http：//www.caict.ac.cn/sytj/202209/P020220913580752910299.pdf。，開啟了“人機”協同創作視頻新紀元。無論是專業人士，還是影視愛好者，甚至是普通使用者都能輕松“烹飪”高質量的“視聽盛宴”。Sora不僅大大降低了視聽作品的創作成本，而且提升了影視制作效率，更迎合了普通公眾對生成高質量視頻內容的強烈期待。

然而，以Sora為代表的生成式人工智能（Generative Artificial Intelligence，GenAI）在助力人類實現視聽成果極大豐富的同時，也將公眾帶入了對著作權侵權風險的深刻憂慮之中。一方面，Sora訓練時可能侵害他人著作權，因為Sora是基于海量視頻數據實現深度學習和強化訓練的結果，但用于訓練算法的視頻數據，不乏處于權利保護期的視聽作品；另一方面，使用者在使用文本指令驅動Sora跨域生成視聽作品時，亦可能誘發侵害在先權利的巨大風險，或擾亂人類現有的知識產權秩序。本文通過剖析使用者在使用Sora過程中的著作權侵權風險及規制困境，建議完善披露制度和舉證制度，以實現視聽作品在先權利人權益保護與技術發展并重的目的。

一" 行為解構：一種由Sora表達的文本思想

Sora與使用者融合創作，生成物是由Sora表達的文本思想，其思想與表達所屬主體分野。Sora在海量視頻素材的“浸潤”和強化訓練下獲得物理識別能力，基于使用者文本指令“復現”視頻數據庫中的場景，實現場景和時間的交叉融合而生成視聽作品并反饋人類文本指令。

（一）基于海量視頻素材的場景“復現”

Sora基于海量的視頻數據實現強化訓練。Sora在強化訓練時需要大量的視頻數據，對視聽作品表現出較強的依賴性。人工智能將海量作品轉化為可識別的代碼數據供機器學習和訓練使用，由算法自主生成在外觀上與人類獨創水平相似的作品。“無數據，則無算法”，GenAI與人類創作時參考已有文獻一樣，它也需要得到視頻素材的“喂養”，這些素材即是以數據的形式表現出來的各種數字化作品焦和平《人工智能創作中數據獲取與利用的著作權風險及化解路徑》，《當代法學》2022年第4期，第128頁。。GenAI基于海量的數據“投喂”，通過強化訓練和深度學習使算法獲得類似人類神經網絡的思辨機制，繼而依據使用者指令生成預期結果。GenAI是基于機器學習算法實現自動生成多類型數據的大模型，不僅能生成諸如文本、圖像等靜態數據，還可以制作音頻和視頻等動態信息，是建立在大模型和大數據基礎之上的、對已有數據進行創作的前沿性人工智能技術鄒開亮、劉祖兵《生成式人工智能個人信息安全挑戰及敏捷治理》，《征信》2024年第1期，第41-42頁。。Sora是GenAI的最新技術成果，它對視頻數據具有強烈的依賴性。作為大型視頻模擬模型，Sora的生成能力是在接受海量視頻數據的持續“浸潤”過程中不斷完善的。它依賴于豐富的視頻數據展開訓練并理解物理變量之間的關系，依據使用者指令模擬現實世界的場景，以視頻的形式反饋使用者文本指令“Video generation models as world simulators，” OpenAI，last modified Feburary 15，2024，https：//openai.com/research/video-generation-models-as-world-simulators.。

Sora基于對視頻素材的理解、復制和轉換性使用，從而生成視聽作品。GenAI歸納、分類、整理和分析大量已有作品數據，從中抽取和提煉作品的規則、模式、結構和趨勢，將它們應用到具體的創作場景之中進行獨立觀察、持續改進和優化數據的分析與處理。每一部用于訓練Sora的視頻素材都是由有限數量的幀構成的，每個幀即是一張二維圖片。Sora能進行字幕語句整合，在每個幀中標注物理矢量，通過該方法“理解”不同事物的物理矢量，通過學習視頻素材中時間和空間的變化來“感知”事物之間的相對位置。經過強化訓練，Sora逐漸獲得“涌現”能力，即它能夠自發性地學習物理世界的基本規律并模擬物理現象，沖破人為參數的束縛，即通過對視頻素材中的物理矢量關系的理解，復制、轉換使用和再現類似場景的表達。

然而，Sora生成視頻的現實基礎是視頻素材中有限的物理矢量，Sora基于視頻素材標的之間的相對關系來理解使用者指令所關聯的視頻場景，它并不具備創造能力。換言之，Sora是在海量視頻中選擇有限數量的幀，基于對幀的理解來學習視頻素材提供的表達。也就是說，Sora主要是對視頻數據進行復制、組合和再加工，用獨特的表達形式反饋使用者文本指令。因此，在OpenAI提供的官方DEMO中出現行人在行走時左右腳步調不協調、畫面扭曲和動物數量失控等肉眼可見的缺陷，這即是Sora在將多個視頻復制、組合和再現過程中產生的單獨幀錯位的原因所致。然而，當可供訓練的視頻數據足夠豐富時，Sora的理解能力會得到極大的增強。例如，《行走在東京街頭》的視頻雖然存在瑕疵，但是這部長達60秒的視頻從動作效果、頭發、服裝等細節方面都實現了十分連貫的場景轉換，已基本達到以假亂真的水平。

（二）基于場景與時空交叉融合的視頻生成

與其他視頻生成模型相比，Sora顯現出明顯的場景與時空相融合的生成特征。此前上市的文生視頻模型也普遍存在因循環網絡、生成對抗網絡、自回歸變壓器等技術導致的狹隘視覺和視頻時限的局限問題Wilson Yan， etc，“VideoGPT： Video Generation using VQ-VAE and Transformers，” last modified April 20，2021，https：//doi.org/10.48550/arXiv.2104.10157.。Sora就此類問題進行了模型改進，它能深度理解使用者的文本語義，在此基礎上迅速匹配視頻數據庫中的字幕信息，實現復雜場景下跨時空融合視頻的生成。

Sora依據文本指令精準生成視聽作品關于AIGC是否構成作品，學界已展開了較多討論。本文支持AIGC作品“肯定說”，即認為在符合最低獨創性的標準之上，AIGC是著作權法上的適格作品，且其權利歸屬于實際使用GenAI創作的個人、法人或者非法人組織。該觀點也得到實務案件支持，例如北京互聯網法院審理的“全國第一例AI生成圖片著作權案”，案號：（2023）京0491民初11279號。，實現跨時空的連續表達。TransformerTransformer是谷歌于2017年首次發布的一款算法強化訓練模型，它采用注意力機制的深度學習，按輸入數據的重要性分配訓練強度并分配不同的算力資源，從而提高模型生成的精度。該模型在ChatGPT模型訓練時已被使用，是一種比較成熟的訓練模型。能強化算法長距離語境理解能力和泛化能力，從而使Sora能夠準確捕捉到與文本指令高度匹配的上下文字幕語境，提高調用視頻語料的精準度。同時，為了給多機位的視頻生成提供多視角，它將不同的場景、動作和燈光條件等融合為所要生成視頻的素材，保證生成內容在時間和空間上具有連續性，也能使表達形式之間具有高貼合度、連貫性和準確性。Sora的強化學習和多模態處理能力，使其能夠全面、多維度地理解文本指令中包含的思想。同時，得益于Transformer，自然語言處理模型（Natural Language Processing，NLP）能與字幕模型配合將處理的所有字幕和文本指令矢量化，以此提高算法匹配的精準度。Sora的字幕語句整合功能可以多角度理解和分析視頻語料庫的外在表現與內在聯系，為實現高質量視頻生成提供精度上的支持，也為視頻表達提供了多種可理解的形式。

Sora對真實世界展開高度仿真。Sora通過理解視頻素材中的物理矢量關系，對變量“塊”（patches）展開多樣化的復制、模擬和組合應用“Video generation models as world simulators，” OpenAI，last modified Feburaty 15，2024，https：//openai.com/research/video-generation-models-as-world-simulators.，它將二維幀拓展至“三維空間”。“塊”記錄幀的物理矢量，即它們在時間和空間上的相對關系。換言之，Sora應用“時空塊”理解視頻物理素材。它在該過程中能精確地處理視頻物理要素之間的銜接，從而擺脫存在于二維幀之間松散的關聯關系，在表達上實現視頻之間的精準銜接，使同一物理素材在不同場景下具有很好的應景感。使用者使用文本指令命令Sora將視頻素材擴展至其他場景，并進行自動調整、變換機位等多類型操作。基于這些技術優勢，Sora已基本實現對現實世界的高度仿真，最后生成的視聽作品能夠反饋文本指令所提供的創作思想。

Sora基于高效率和低成本優勢加速了人類視聽作品的創作過程。當下，個人創作面臨著單機位、內容重復且后期處理成本高的問題，同時，專業的視頻制作從業者憑借主觀經驗布置拍攝場景面臨較大的成本負擔與失敗風險，特別是對一些需要特別處理的題材，如科幻類的、二次元等類似題材。Sora基于使用者的簡短文本指令和對物理世界的理解，即能生成高度逼真的、多機位的視頻視覺效果預覽，極大地賦能創作靈感，降低創作成本，在提高創作靈活性和創作效率等方面發揮著無可替代的作用，也能對公眾視頻創作技術的提升和視頻表達形式的多樣化提供有效借鑒。Sora對創作者的事實偏好和行為數據具有依賴性，會在理解私人訂制的親密關系中生成個性化的表達。這種激蕩著“數字生命感”的敘事方式，不僅能精準地滿足作者與觀眾的需求，亦能推動實現文本內容的多樣化表達，使受眾高效地找到與自己興趣相符的獨特內容。

（三）基于思維與表達分離的創作過程

Sora生成模型有著區別于傳統人工智能算法（Artificial Intelligence Algorithm）的工作模式。傳統人工智能算法的工作模式是通過接受強化訓練獲得泛化能力，在海量離散數據之間建立相關聯邏輯關系，推導或預測類似場景下的規律，即其主要運行基礎是大數據支撐下的機器學習。人類在熟知其運行邏輯的基礎之上，通過輸入待執行文本指令和設置運行參數，得出目標作品。易言之，在應用傳統人工智能算法進行創作時，其創作思想和表達均反映的是使用者的真實意志。反觀Sora，使用者在生成視頻的過程中參與度要低很多，作品的表達形式也已經超越人類的預期。

一方面，視聽作品的思想內容源于人類文本指令。使用者使用文本指令啟動“創作”進程，Sora依據該指令調用視頻語料庫中的素材后展開創作。得益于字幕生成模型（Video ReCap Model），Sora對視頻語料庫的素材進行字幕標識。Sora創作的過程始于使用者下達的文本指令，即根據使用者指令要求標識、調用視頻庫中的字幕，從而對視聽作品的物理矢量進行復制、組合、模仿和轉換性使用。雖然使用者文本指令的來源多樣，但從性質上看可歸納為兩類：第一類，是使用者即興創作的寫實文字，或者受著作權保護的自有作品內容，這種文本指令是使用者創作的，它們可以是對世界事實狀態的描述，也可以是使用者表達心理感受的詞句等；第二類，則是著作權法意義上的文字作品的全文或者摘選其中的部分篇章，使用者從文字作品中節選部分內容或者全部用于指示Sora創作，其中不乏仍然處于權利保護期內的作品，當然，也有因超過保護期不再受著作權保護的文字作品。文本指令是開啟Sora視頻創作的鑰匙，Sora在使用者指令的驅使下調用視頻素材庫中的物理矢量展開生成程序。

另一方面，Sora為作品思想提供多樣化的表達。使用者將創作文本指令傳達給Sora，其創作思想和創作意圖通過有限的文字傳達給GenAI大模型，寄希望于通過Sora高效、多樣和精準的表達方式將文本思想表達出來。使用者用有限的文本指令（寫實文字或作品內容）驅使Sora進行視頻創作時，思想和表達是絕對二分的，即獨特且個性的思想、情感歸于使用者，而生動、絢麗的表達由Sora負責實現。也即，Sora通過讀取使用者文本指令中包含的思想，關聯視頻數據庫中與之匹配的字幕標簽，然后調用視頻物理矢量加以改造，生成符合使用者指令所期望的視聽作品。人類創作的作品與算法生成的作品在形式上的最大區別，就在于人類先有思想后有表達，而算法則是先有表達然后基于理解使表達具有思想、情感或藝術價值黃姍姍《論人工智能對著作權制度的沖擊與應對》，《重慶大學學報（社會科學版）》2020年第1期，第163頁。。Sora的創作過程正是基于此邏輯，它在符合文本指令的思想下套用多種物理矢量的表達形式，滿足使用者對視聽作品的創作需求。

二" 風險表征：Sora使用者侵權的多重體現

一般認為，當下的人工智能算法不具備著作權主體資格，它并非法律關系的實施者鄒開亮、劉祖兵《試論智能算法主體化》，《重慶郵電大學學報（社會科學版）》2023年第2期，第67、71頁。。因此，直接表達人工智能算法侵權的觀點存在欠妥之處。也有學者從人工智能生成物的法律屬性出發，倒推其主體身份，繼而闡明侵權表述的合理性王遷《三論人工智能生成的內容在著作權法中的定位》，《法商研究》2024年第3期，第196-197頁。。這種觀點雖然未直接明確人工智能是侵權主體，它或許為人工智能算法成為著作權法意義上的作者身份提供了另一種可能性，但并不符合人類現行法律關于主體性的規定。因為，依據現行法律規定，僅有自然人、法人和非法人組織才是適格作者《中華人民共和國著作權法》第十一條第二款、第三款規定：“創作作品的自然人是作者。”“由法人或者非法人組織主持，代表法人或者非法人組織意志創作，并由法人或者非法人組織承擔責任的作品，法人或者非法人組織視為作者。”。事實上，使用者借助Sora創作的表達與思想是絕對二分的，使用者應該對使用Sora的生成行為負責，即Sora使用者應當對輸入文本指令至生成視聽作品，再到該作品在信息網絡上傳播的侵權行為承擔責任。

（一）侵犯復制權的風險

GenAI侵權行為主要發生在數據訓練環節和生成內容環節王利明《生成式人工智能侵權的法律應對》，《中國應用法學》2023年第5期，第28頁。，Sora對在先視聽作品復制權的侵犯也出現在模型訓練和視聽作品輸出的環節。《著作權法》意義上的復制行為要求將作品從一個有形載體轉移到另一個有形載體，且作品能在該載體上相對穩定、持久地固定王遷《著作權法》，中國人民大學出版社2015年版，第164-165頁。。該權利規制的是在未經權利人許可且無法定抗辯事由的前提下，在有形載體上再現作品的行為，即增加作品復印件的行為。Sora進行模型訓練環節和作品輸出環節，不僅涉及臨時復制，還永久性地復制在先作品，應當分階段討論其行為。

1.模型訓練階段

在進行深度學習之前，大模型需要對視頻素材展開字幕標簽化處理（數字化轉換），以供Sora創作時調用。雖然該過程涉及對在先視聽作品的臨時復制，但并未實質性地增加其復印件數量。因此，使用在先視聽作品訓練Sora階段并未侵犯復制權。盡管我國《著作權法》第十條將“復制”限定為以“印刷、復印、拓印、錄音、錄像、翻錄、翻拍、數字化等方式將作品制作一份或者多份”的行為，然而，《伯爾尼公約》（Bern Convention）第九條規定的復制行為范圍明顯較為寬泛，其將復制行為擴大為以“任何形式、任何方式復制”，認為對視聽作品的特定復制不限于有形復制載體。域外其他國家的法律規定也不盡相同。例如，《英國版權法》第十七條并未就“復制”行為作實質性規定，而是認定復制的在先作品的全部內容或者其中的實質內容；《美國版權法》雖然也未明確復制行為的構成要件，但在實務中偏向于對《伯爾尼公約》作擴大性解釋。由此可見，人類現行著作權法對應用視頻數據訓練Sora的行為是否侵犯在先權利人的復制權的認定標準不一，至少當下我國法律是持否定態度的。在實際使用Sora的過程中，鑒于使用者并未實際參與Sora的訓練過程，他們不應對其訓練行為負責。因此，Sora在訓練過程中是否存在侵權行為與使用者并不相關，Sora使用者并不對GenAI大模型在訓練中的侵權行為承擔責任。

2.視頻生成階段

Sora在輸出視聽作品的環節存在侵犯復制權的巨大風險。如果經由Sora創作的視頻與在先視聽作品存在實質性相似，即構成對在先視聽作品復制權的侵犯。應當根據現行“接觸＋實質性相似”規則，分別評析“接觸”和“實質性相似”要件。

應當從Sora與使用者融合創作的視角適用“接觸”要件，而非單獨分析Sora與使用者的行為。當使用者的文本指令不由其創作產生，而是來自在先作品的時候，使用者將文本指令傳達給Sora之前即已實質性地接觸在先作品，這是顯而易見的。然而，Sora在接受視頻數據展開訓練時，出于對理解視頻物理矢量的目的而進行的分類、匯編等接觸作品的行為，能否成為使用者侵權的要件呢？鑒于使用Sora的目的是實現創作，該創作是由使用者提供“思想”和Sora提供“表達”的融合行為完成的，因此，并不能將使用者創作目的和Sora創作意圖視為一個共同的創作意愿，即使用者和Sora并不存在共同侵權的直接故意。換言之，Sora對在先視聽作品的分類、匯編等行為，屬于使用者實施間接接觸在先作品的行為，不能將使用者納入共同侵權的主體范圍之內。

復制權侵權是以作品中存在相似的表達為構成要件，而非僅僅內容的實質性相似。它是以使用者的文本指令指向的作品表達與Sora復制、組合和轉換性使用視頻矢量生成的視聽作品與在先作品之間存在高度的相似性為要件，即Sora在理解在先視頻的基礎上，對在先視聽作品進行轉換性使用的程度較低，人們僅憑肉眼可見的方式足以察覺二者之間存在高度相似性，即判定為復制權侵權。也就是說，倘若Sora生成的視聽作品與用于訓練算法模型的在先視聽作品之間存在實質性相似，那么即存在復制權侵權的蓋然性。然而，我們還需要看到“實質性相似”并非構成侵權的充分條件，而僅僅是必要條件。對于生成視頻的表達風格是否能成為判定實質相同的因素，目前學界基本持否定態度。即使創作結果與該文字作品的“風格”構成實質性相似，也并非必然構成侵犯復制權。

（二）侵犯改編權的風險

改編權侵權發生在使用者選擇文本指令和Sora依據該指令進行視頻生成的環節當中。著作權法中的改編是指改變作品的表達形式，創作具有獨創性的新作品的行為。也有部分域外法律規范并不禁止改編行為本身，而僅僅把改編作品后的使用行為作為規制對象。例如，《德國著作權法》第二十三條規定，只有在作品權利人允許的情況下，才能使用改編后的作品。一般認為，通過解構使用者使用Sora創作的具體行為可以發現，其生成的視聽內容在達到最低獨創性要求之后即完成作品的創作，形成改編作品，這種根據文字作品的思想改變在先視聽作品表達的行為存在侵害改編權的風險。

當文本指令屬于第一種類型，即來源于使用者自己創作的作品時，因文本指令是Sora使用者的智力成果，所以并不涉及侵犯改編權。如果涉及修改權，使用者實施的亦僅僅是對自己享有著作權作品的改編行為，并不滿足侵權行為的構成要件。但是，當文本指令是從他人作品中節選的片段或者是作品的全部時，正好該作品又處于權利保護期內時則可能落入改編權的“禁區”之內。如果Sora生成的內容符合最低獨創性標準，該視頻是對文本指令蘊含思想的一種表達，證明其已完成改編。如果生成作品僅僅是對在先作品增加了部分情節、生動畫面和絢麗色彩，使在先作品中的思想具有更加具體的表達形式，那么，這種改編作品就存在侵犯改編權的風險。因此，使用他人處于權利保護期內的在先作品作為文本指令，要求Sora展開視頻創作的行為，就涉嫌侵犯他人改編權。

Sora對文本指令創作的內部過程亦涉及對視聽作品的改編。Sora基于對海量視頻數據的理解，學習事物之間物理關系的表達。GenAI并非實質性地以某單部作品為基礎進行再創作陶乾《論著作權法對人工智能生成成果的保護——作為鄰接權的數據處理者權之證立》，《法學》2018年第4期，第9頁。。Sora在算法生成邏輯上具有融合性，即它對事物物理性質的理解不是基于單一作品，而是綜合多部作品的結果。有觀點認為，GenAI生成內容是軟件設計版權的演繹作品熊琦《人工智能生成內容的著作權認定》，《知識產權》2017年第3期，第6頁。。雖然這種觀點在文字作品生成時期存在合理性，但隨著GenAI技術的持續進步，逐漸顯現出局限性。特別是文生圖大模型的出現使這種觀點難以自圓其說。大模型對物理矢量的理解已經擺脫了版式設計的固定性要求，如果將視頻的表達形式視為軟件設計的版式，而版式是相對固定的，這即與GenAI生成形式的多樣性與可變性相悖。另外，演繹行為不僅需要忠實在先作品的表達，還需要發展該表達，使兩種相似又具有區別的表達形式融為一體。Sora訓練的目的是形成對世界物理矢量的理解能力，在理解的基礎上對在先視聽作品的表達風格進行轉換性使用。可見，只是符合“事前授權、事后付酬”的前置條件之下，并不能完全排除經由Sora生成的作品成為演繹作品的可能性。然而，這種傳統的授權使用方式對于Sora提供者而言又會是一種巨大的挑戰，不僅僅表現在經濟成本上，還會徒增溝通成本。因此，在實務中意圖套用演繹作品的生成規則并不能有效抗辯Sora對侵犯改編權的嫌疑。

（三）侵犯傳播權的風險

Sora使用者的傳播權侵權風險主要表現在兩個方面，即侵犯信息網絡傳播權和廣播權。傳播權并非一項具體的權利，而是一個權利體系，它由表演權、放映權、廣播權和信息網絡傳播權構成，是不依賴于有形載體將作品從一方向另一方傳播而產生的權利。在信息網絡環境下，使用者使用Sora生成的視聽作品誘發的侵權風險，主要涉及對信息網絡傳播權和廣播權的侵犯。

使用者將由Sora生成的視聽作品通過信息網絡向公眾傳播（延時發布），可能誘發信息網絡傳播權侵權風險。我們當下所處的時代，信息傳播多是通過互聯網進行的，AIGC中包含受著作權保護的客體內容，它們通過有線或是無線的形式傳播，存在侵犯信息網絡傳播權的風險馬治國、趙龍《文本與數據挖掘對著作權例外體系的沖擊與應對》，《西北師大學報（社會科學版）》2021年第4期，第108頁。。一旦將Sora生成的視頻作品在信息網絡向公眾延時傳播，公眾在其選取的時間和地點內能獲取到該作品（按需獲取），即構成信息網絡傳播權侵權。無論是使用有線還是無線的方式傳播該視聽作品，都是信息網絡傳播權控制的行為。信息網絡傳播權是著作權中的經濟性權利，它是為作者提供經濟價值回報的途徑王遷《〈著作權法〉修改：關鍵條款的解讀與分析（上）》，《知識產權》2021年第1期，第35頁。。當下，信息網絡發布業已是使用者將生成后的視聽作品傳播并實現其經濟價值的重要手段，同時也是作品傳播的重要途徑之一，Sora使用者在網絡上傳播存在無法規避的侵犯信息網絡傳播權風險林秀芹《人工智能時代著作權合理使用制度的重塑》，《法學研究》2021年第6期，第178頁。。

使用者將經由Sora生成的視聽作品通過信息網絡向公眾公開發布，還涉嫌侵犯廣播權。我國《著作權法》第十條將《伯爾尼公約》第十一條之二的“廣播和相關權”的規定確定為以“有線或者無線方式公開傳播或者轉播作品，以及通過擴音器或者其他傳送符號、聲音、圖像的類似工具向公眾傳播廣播的作品的權利”。雖然從法條上看，廣播權的三項中并未包含使用信息網絡傳播作品的情形，但是考慮到《伯爾尼公約》訂立時并未出現信息網絡這一傳播方式，根據當時的立法背景，應當對其作擴大解釋，推定廣播權的傳播方式應當包括信息網絡，這點也在1996年締結的《世界知識產權組織版權條約》（World Intellectual Property Organization Copyright Treaty，WCT）第八條得以確認，即“使公眾中的成員在其個人選定的地點和時間可獲得這些作品”。因此，使用者將Sora生成的視聽作品在信息網絡上傳播存在侵犯廣播權的風險。

三" 治理障礙：Sora使用者侵權風險治理難題

（一）“接觸+實質性相似”規則適用困難

通說認為，使用者使用他人在先作品指令Sora融合創作即已構成對該作品的實際接觸。因此，對于“接觸”要件而言并不存在適用障礙。但“實質性相似”要件則不然，在傳統知識產權侵權場景下，“實質性相似”規則可以防止行為人濫用知識產權法中的公眾接觸權吳漢東《試論“實質性相似+接觸”的侵權認定規則》，《法學》2015年第8期，第65頁。。然而，在使用者與Sora融合生成的創作模式中，使用“接觸+實質性相似”規則判定侵權時常常發生適用障礙。無論是使用者文本指令包含的在先作品思想，還是算法服務提供者收集的用于生成視聽作品的作品表達，它們經由Sora融合創作后，在先作品中的實質性表達部分常常難以為一般公眾所覺察。因此，在思維與表達分屬于使用者和Sora的融合創作過程中，用于事后判定侵權的“接觸+實質性相似”規則或將難以適用。一方面，“實質性相似”主要是應對單個侵權客體而設計的原則。GenAI特別是Sora在使用在先視聽作品素材時，其數據并非單一視頻素材，其對素材的使用也并非對表達進行簡單挪用，更非完整照搬。Sora使用視頻素材中的物理矢量是經其理解后的再應用。例如，人物衣服的大小、顏色及其他附件常常是經過重新搭配后的組合應用。又如，人物行走動作和肢體外觀都是經理解后的矢量轉換。因此，無論是采用整體觀察法，還是顯著部位觀察法，在不公開算法后臺參數的情況下是難以認定其生成內容是否達到實質性相似的標準的。另一方面，在使用者文本指令思想與視聽作品表達融合生成的場景下，在先作品描述的場景并不能完全受到“實質性相似”規則的約束。使用者將創作的思想通過文本指令傳達給Sora，它再將這種思想以場景化的表達形式融合進入視聽作品當中，即在融合創作的過程中，Sora復制在先視聽作品的表達行為具有高隱蔽性，在表象上即已脫離“實質性相似”標準可規制的對象范疇，這無疑給司法適用帶來障礙。

鑒于此，依賴事后的“接觸+實質性相似”標準，已難以有效應對使用者與Sora共同參與下的新型侵權判定。因此，應當著力于強化事前風險防范機制，希冀融合事前防范措施與事后“接觸+實質性相似”規則，有效化解侵權認定的障礙。

（二）在先權利人維權舉證困難

當事人訴訟地位的不平等和Sora侵權的隱蔽性使在先權利人（受害人）舉證困難，甚至常常發生舉證不能。歸責標準取決于應用場景，在AIGC侵權案例中，在先權利人負擔的舉證責任較高，而且他們往往處于相對弱勢的地位，很難掌握強有力的侵權證據臧志彭、丁悅琪《中國AIGC著作權侵權法律規制的優化路徑》，《出版廣角》2023年第24期，第27頁。。美國Sarah Andersen v. Stability AI案正是因為原告（個人聯合訴訟）提供的證據不足，致使一審法院駁回藝術家們的大部分請求，原告不得不撤回損害賠償的訴請美國Sarah Andersen v. Stability AI案，即Kelly McKernan，Karla Ortiz和Sarah Andersen代表其他藝術家向美國加州北區聯邦地區法院訴AI公司（Stability）、DeviantArt公司（DeviantArt）及Midjourney公司（Midjourney）等侵害其著作權的案件。。無獨有偶，正在審理的The New York Times Company v. Microsoft Corporation，Open AI，INC案也涉及舉證困難的問題，致使《紐約時報》陷入維權窘境之中。

知識產權法系私法，它以“過錯原則”為首要舉證原則，即在先權利人有義務證明Sora使用者的行為與侵權結果之間存在直接聯系（因果關系）。換言之，只有Sora使用者存在過錯，才會導致其承擔侵權責任的可能性。然而，只有當被告因直接故意（明知+希望）實施侵權行為時，才承擔損害賠償責任。因為AIGC的出現具有隨機性與不可預見性，且發明Sora的目的并非希望實施侵權行為而受益。可見，無論是Sora服務提供者，還是使用者，構成直接故意的主觀心理態度的可能性較小朱振《歸責何以可能：人工智能時代的自由意志與法律責任》，《比較法研究》2022年第1期，第53頁。。因此，對于服務提供者而言，其承擔侵權責任的可能性相對較小。以復制權為例，對于在訓練Sora時被臨時復制在算法邏輯當中用來理解視頻要素的物理矢量而言，因被Sora提供者掌握，在先權利人取得相關證據的難度很大，更不用說證明他們與生成視聽作品存在關聯性。

引證視聽作品與生成的視聽作品之間的關聯關系隱蔽，致使在先權利人常常舉證不能。在先權利人或主張Sora使用者侵權，即認為使用者在從文本指令輸入直至視聽作品生成和傳播這個過程中承擔侵權責任。然而，著作權法保護表達而不保護思想。引證作品所內含的思想經Sora轉換性處理后，常常被多部視聽作品的融合物理矢量表達出來，盡管引證作品中的部分場景仍然會被爭議為在先視聽作品的保留，但在缺少必要的后臺技術支撐的情況下，僅憑在先權利人的智慧仍然難以有效辨別其與在先作品之間的實質聯系。因此，即使被訴視聽作品被用于信息網絡傳播，權利人也難以舉證其思想源于引證作品，更不用說該作品已經獲得復合性的表達形式。由此可見，思想與表達主體分離帶來的關聯性弱化，無疑給權利人的維權訴請帶來了較重的舉證負擔。

法律不能強人所難，要求在先權利人舉證這種隱藏于AIGC背后的侵權行為或已失去合理性。較重的舉證義務將導致權利人喪失獲得司法救濟的權利，這也變相助長了Sora使用者濫用他人在先作品的行為，破壞了人類知識產權秩序。

四" 風險紓解：Sora使用者侵權治理的因應路徑

鑒于事后的“接觸+實質性相似”標準和“過錯責任”原則帶來的Sora使用者侵權治理障礙，不僅應當從披露主體、披露內容層面完善我國算法披露制度，同時引入在先作品使用背書制度，以此強化我國GenAI治理的事前風險防范機制。此外，還應當適度探索“舉證緩和”制度和靈活使用“過錯推定”原則，融合事前防范與事后治理的綜合應對。

（一）完善披露制度以期健全事前防范機制

Sora與使用者融合生成場景表現出新的侵權特點，僅憑“接觸+實質性相似”判定標準已無力應對。因此，需要完善和鞏固算法披露制度，以此健全我國應對GenAI侵權風險的事前防范機制。當下，我國業已初步建立由《生成式人工智能服務管理暫行辦法》、《互聯網信息服務深度合成管理規定》、《互聯網信息服務算法推薦管理規定》、《網絡音視頻信息服務管理規定》等行政法規構成的算法披露制度體系，但是仍然存在披露主體單一、披露內容片面等問題。為此，建議將使用者納入披露主體范疇，將生成的視聽作品納入披露內容之列。此外，還應建立文本指令使用背書制度，以規范Sora使用者的行為。

1.將Sora使用者納入披露主體的范疇

當前，在我國主要由GenAI服務提供者承擔算法披露義務。例如，《互聯網信息服務深度合成管理規定》將Sora提供者（深度合成服務提供者，含技術服務支持者）作為主要的披露義務主體，從信息標識內容上明確了具體的披露義務。又如，《互聯網信息服務算法推薦管理規定》將算法推薦服務提供者作為主要規制對象，使之擔負在算法推薦中有關信息合成內容的披露義務《互聯網信息服務算法推薦管理規定》第九條第一款規定：“算法推薦服務提供者……發現未作顯著標識的算法生成合成信息的，應當作出顯著標識后，方可繼續傳輸。”。可見，當下我國與著作權制度相關的算法披露義務主要由算法服務提供者承擔。鑒于使用者的文本指令來源具有強隱秘性，在先權利人往往難以舉證生成后的視聽作品源于引證作品，同時，在司法實踐中“接觸+實質性相似”規則應用存在前述障礙，這些因素往往使在先權利人無法通過一般訴訟程序維護其合法權益，給我國著作權制度的正常運行帶來障礙，因此，建議將Sora使用者納入披露主體范圍，以此完善我國算法披露主體制度。

2.將Sora生成物納入披露內容之列

建議將經由Sora生成的內容作為算法披露對象，對生成的視聽作品作必要的權利標識。披露制度的目的之一即是消除在先權利人與Sora使用者之間的信息差。為了在生成后的視聽作品和在先作品之間建立易于察覺的關聯關系，維護在先權利人的合法利益，增強作者的創作熱情，Sora使用者不僅應當對被選擇的文本指令負責，也需要對生成的視聽作品負責。同時，公眾可以借此機制對爭議視聽作品在傳播過程中的權利風險作出預判，減輕事后侵權訴訟中的舉證負擔。具體而言，一方面，生成后的視聽作品應當在顯著部位注明經由人工智能生成（如水印），以防止該作品在信息網絡傳播中發生二次權利侵害。人工智能生成內容標識義務已經逐漸成為業界之共識劉曉春、夏杰《人工智能標識義務的功能與實踐》，《中國對外貿易》2023年第11期，第52頁。，對治理虛假新聞和深度偽造等具有重要意義張惠彬、王懷賓《版權優先還是技術優先？——法國應對AIGC版權風險的趨勢及啟示》，《編輯之友》2024年第5期，第108頁。。另一方面，生成后的視聽作品還應在明顯部位標注權利管理信息，將使用者的署名、文本指令涉及的權利信息，例如作品名稱、作者姓名等在明顯部位標注。此外，GenAI開發者應將AIGC歸屬方案嵌入AIGC信息框架之中， 確保公眾可以及時確定生成內容的權利歸屬陳俊凱《人工智能生成內容信息披露機制構建研究》，《中國科技論壇》2024年第3期，第164頁。。

3.引入在先作品使用背書制度

作為一種強制性的行政監管制度，在先作品使用背書機制的核心任務在于記錄GenAI算法在訓練過程中使用在先視聽作品的明細，如作品名稱、作者、使用章節和使用者信息、使用目的以及作品上下文語義等，旨在記錄Sora提供者、使用者及其他相關主體進行GenAI視聽作品創作的行為。引入背書制度的目的在于記錄Sora生成視聽作品的文本指令的來源和內容，而非僅僅是訓練Sora的視頻數據權利信息。在使用者使用端，背書制度能很好地記錄使用者用于指令Sora進行整合創作的文本作品指令的權利信息。在制度設計上，背書機制是一種弱公示制度，背書信息公開的對象不僅僅是在先權利人，還應當包括接觸Sora生成內容的一般公眾。背書制度的基礎運行邏輯是算法設計者設計背書功能、Sora實時執行背書任務、在先作品權利人和相關使用者了解背書內容、使用者和其他公眾知悉Sora使用在先作品訓練的情況。該制度一方面能有效回應合理使用制度在Sora訓練中的應用要求，緩和Sora訓練過程中涉及的在先視聽作品權利沖突，平衡技術發展與權利保護的雙重要求；另一方面能從技術層面為在先權利人在權利爭議訴訟中提供充足的證據支持，減少不必要的舉證壓力，是一項融合事前防范與事后救濟的重要權利保障措施。

（二）使用“過錯推定”原則應對在先權利人舉證難題

因Sora表達與使用者文本指令融合生成過程具有黑箱特性（隱蔽性），與案件有關的絕大多數證據都被算法服務提供者和使用者控制，在先權利人難以取得作品使用情況和對方心理狀態，這些給在先權利人帶來較重的舉證壓力，使在先權利人承擔了不合理的舉證義務，常常發生舉證不能的障礙。為實現個案公平和提高司法效率，可以嘗試探索如下兩條路徑。

1.適度探索“舉證緩和”制度

“舉證緩和”制度即應用柔性的方法在個案中調整弱勢一方當事人的舉證義務。“舉證緩和”是在尊重“過錯原則”的基礎上，適當調整在先權利人的舉證義務范圍。該制度應用的前置條件是在先權利人已經窮盡必要的舉證手段，履行了最大限度地收集并提出證據的義務，在此基礎上賦予法官相對較大的自由裁量權，減輕訴訟弱勢方即在先權利人在案件中的舉證義務。然而，Sora提供者和使用者憑借技術優勢，往往會故意地損毀、隱匿有關侵權參數、材料以及使用記錄等重要的證據材料，發生“舉證妨礙”。“舉證緩和”的實質是賦予法官自由裁量權以推動實現個案公平，該制度是化解舉證障礙的首選路徑。

2.嘗試靈活應用“舉證責任倒置”

由在先權利人承擔必要舉證義務的基礎上，靈活應用“舉證責任倒置”規則。人工智能技術的專業性及黑箱屬性使受害人面臨舉證困難，他們無力識別風險、證明產品缺陷以及其因果關系。反觀Sora提供者，他的風險預見和控制能力更強王利明《論我國侵權責任法分則的體系及其完善》，《清華法學》2016年第10期，第119頁。，故可以嘗試適用“舉證責任倒置”規則。現實中，Sora具有很高的技術壁壘，其技術相對封閉，“過錯推定”原則要求證明被訴方無過錯，這對他們而言并非難事。因此，建議嘗試靈活應用“舉證責任倒置”。但是，并非絕對由Sora提供者和使用者承擔證明其行為與侵權結果之間不存在因果關系的義務，而是先由在先權利人承擔必要的舉證義務。例如，要求在先權利人證明由Sora提供者和使用者具有侵權的明顯表征和較大可能，但又無力提供實際侵權的證據時，再由法官將舉證義務轉至Sora提供者和使用者，由他們證明自己未實際實施侵權行為，或者證明他們的行為與侵權結果之間不存在因果關系。域外已經嘗試該制度，如歐盟在《人工智能責任指令》（AI Liability Directive）中對可反駁的因果關系進行推定，對于人工智能算法產品侵權案件，原告進行了必要的舉證義務后，可要求相對方披露相關證據以幫助確定潛在的責任方，若被告未按法院要求披露，法院會推定被告違反了規定的證據披露義務“Artificial intelligence： MEPs want to ensure a fair and safe use for consumers，” European Parliament， last modified Feburaty 12， 2020，https：//www.europarl.europa.eu/news/en/press-room/20200206IPR72015/artificial-intelligence-meps-want-to-ensure-a-fair-and-safe-use-for-consumers.。可見，該制度可為應對我國當下或者將來可能面臨的治理困局提供必要的借鑒。

［責任編輯：蘇雪梅］