全球首宗生成式AI錄音著作侵權案 -- 美國唱片業巨頭控告SUNO
科技產業資訊室(iKnow) - 陳家駿 發表於 2025年3月4日
圖、全球首宗生成式AI錄音著作侵權案 -- 美國唱片業巨頭控告SUNO
前言
生成式AI自從2022年底風起雲湧迅速展開後，雖然在科技上帶來破壞式創新的大突破，但也衍生了許多著作侵權案件！ChatGPT的經營者OpenAI首當其衝已經被告了二十多個案件(請參閱全球生成式AI相關之訴訟大觀-- 盤點OpenAI、Microsoft、Meta、Midjourney等AI官司)，這其中包括開源碼、文字、圖形影像等不同領域。而在音樂方面，Transformers四大模型中的Claude，也率先於2023年10月被告抄襲歌詞(請參閱全球首宗音樂出版商控告生成式AI Claude著作侵權案)，至於歌曲的錄音部分，也迎來了第一件訴訟案！著名唱片錄音公司環球、華納和Sony等多家音樂業者，於2024年6月下旬在美國麻州地院起訴AI新創Suno，指控其聊天機器人侵害錄音著作權，以下茲依原告起訴內容，探討本案相關之AI音樂著作權議題。
本案訴訟之二造
本案原告包括唱片錄音公司如UMG、Warner、Sony、Atlantic、Rhino、The All Blacks和Capitol等，其從事製作、散布、銷售、授權商業化錄音的業務，並已在具影響力和著名藝術家的音樂發展和推廣上投入大量資金，並擁有眾多具經濟價值之錄音作品的獨占權。
原告指控Suno之生成式AI服務，讓使用者根據輸入指令，產生聽起來像真人的音樂錄製的數位音樂檔（sound recordings以下稱錄音）。因為生成式AI雖具有產生逼真之模仿真人錄音的能力，但其首先必須要複製大量的錄音作品用來訓練。被告開發此服務卻竊取原告受著作權保護的錄音著作，用AI機器所產生的合成音樂輸出內容充斥市場，與具有著作權之真人錄音直接競爭。
Suno是一註冊於德拉瓦州提供錄音生成式AI服務公司，於麻薩諸塞州的劍橋營業；其他John Does 1-10則是未具名被告，原告指控其與Suno合作複製原告之錄音著作，彼等明知Suno直接侵權，故意誘導並實質貢獻該侵權行為，透過協助Suno搜集和複製錄音著作用於Suno的訓練數據，故意促使或鼓勵Suno的侵權行為，提供必要的工具和資源並共同與Suno在侵權行為中獲利。
原告主張Suno未經授權複製其錄音著作，其技術之所以能如此運作，全係依賴大規模複製各種錄音（包括原告的作品），這些錄音的著作權由原告及各大唱片公司所有。如未將原告的錄音納入AI模型訓練，Suno便無法達到其所宣稱的高品質與效能，也無法逼真模仿如此廣泛的音樂表達。
原告起訴之測試及推論
原告之起訴係基於其測試Suno的產品，並使用一系列文本提示生成輸出，這些提示透過參考特定主題、流派、風格和當代作家、藝人、樂器、聲音等，來精確定位某一特定錄音，因此Suno的輸出內容與原告錄音著作具有「高度相符」(closely matched)之效果，這明顯意味著Suno將這些錄音著作複製並納入其訓練數據中。此外，即使是較不具針對性之指令提示，也會導致Suno生成類似於特定之受著作權保護錄音的輸出，而這些輸出正是Suno基於原告之錄音著作進行模型訓練的清楚證據。原告指控Suno為出於商業目的，未經授權複製原告作品已嚴重侵害原告錄音著作價值。而Suno的服務以驚人的速度和大規模生成音樂，導致AI生成的音樂到處充斥，貶低甚至取代人類真實創作的錄音作品，造成正版音樂服務迅速和毀滅性的影響。
Suno推出生成式AI音樂歷程
原告主張Suno是在2023年7月，推出AI音樂生成服務的「測試版」，最初是透過社群媒體網站Discord的頻道，吸引使用者生成AI音樂檔，後來推出一個網頁介面來擴大其音樂生成產品。同年12月Suno宣布與科技巨擘微軟建立策略合作夥伴關係，將Suno服務整合到微軟的AI聊天機器人Copilot中。Suno能讓使用者透過輸入提示生成數位音樂檔，只要輸入其想要產生音樂的描述提示，包括指定的音樂類型、流派、歌詞、故事和主題作為靈感來源。在幾秒鐘內Suno便會處理該提示，生成數位音樂檔（Suno的網站為對每個提示生成兩個檔，而Copilot的Suno為每個提示生成一個檔）。Suno的客製選項還可讓使用者調整檔案的元素，包括節奏、情緒和音樂類型或流派等。
Suno製作其AI模型之步驟
按AI模型的開發，是為了靈活執行通常被認為需要人類智慧才能完成的任務。而「生成式AI」則是為了能生成如文字、圖像或音頻內容的AI。Suno基於機器學習模型，不採用「預設規則」(preset rules)來生成輸出，而是從大型語料庫的訓練內容中推導出模式，並將這些模式以數十億個數值參數的形式儲存。總的來說，這些參數集合構成的模型於其訓練過程會一直調整參數，以便使模型基於其模型訓練之內容生成輸出。
（一）Suno AI模型訓練步驟
為了要建構和運營其AI服務，Suno必須先大規模攝取大量各類錄音數據來「訓練」其軟體模型，並將這些副本輸入AI模型，使其產生模仿真人錄音的輸出。Suno透過以下步驟訓練其AI：
- Suno先複製大量的錄音，包括透過從數位來源「抓取」（即複製）的方式，這個龐大的資訊蒐集形成輸入或「語料庫」，Suno AI模型在此基礎上進行所需要的訓練。
- 然後，Suno接著「清洗」(clean)複製的錄音，以移除其不希望包含在AI模型中的任何材料，無論是技術性還是實質性的（例如重複或品質較差的數據），此步驟可能還涉及將錄音複製，轉換為通用的數位音訊格式(digital audio format)。
- 接著Suno處理這些先前複製錄音的語料庫，以建構其形成AI模型的參數值。此步驟包括當錄音被進一步轉換和劃分為單元(converted and divided into units)，以及這些單元被處理時對錄音進行額外的複製，包括複製到電腦記憶體中。
- 接下來Suno進一步處理數據，以「微調」(finetune)其AI模型，這可能需要對所收集到的錄音做進一步的複製。
（二）音頻輸出泛化處理
經過這些訓練過程後，Suno獲得基於模型生成音頻輸出的能力，該模型是基於其所訓練之錄音語料庫的產物。當使用者向Suno輸入文本提示（例如：「創作一首關於紐約的爵士樂」），該服務根據提示和其訓練用的錄音語料庫，透過對聽來近似的音樂進行泛化處理(making generalizations)，從而生成音頻輸出。依Suno模型生成輸出的某些特徵，明顯表示它是基於特定數據進行訓練的 – 也就是原告受保護的錄音著作。特別是Suno經常生成與原告的錄音著作非常近似的輸出，這是一個很明顯的跡象，表明這些錄音被納入其訓練數據中。
（三）過度擬合的AI模型
從技術角度看，透過生成模仿其訓練語料庫中錄音的輸出，Suno的模型反映出一種被稱為「過度擬合」(overfitting)的機器學習現象。當一個AI模型過於貼近地適應於(closely adapted)其所訓練之數據時，模型就會難以對新的數據集進行泛化，這時模型就會被認為是「過度擬合」，而過度擬合的一個徵兆是，模型會複製其訓練數據的部分內容。
舉一個簡單的例子，如果使用者將「一首關於紐約的爵士樂」這樣的提示，輸入到一個過度擬合的AI模型中，該模型可能會輸出一個與其訓練過的一首爵士曲目極為近似的檔案。正如下述原告所舉眾多例子所反映的，Suno的模型是在原告的錄音著作上進行訓練。此種侵權行為無法僅透過簡單地放寬模型的擬合程度，或透過實施技術防護措施(technical guardrails)來補救（這些措施擬使輸出較不致於與原告錄音片段相符(match excerpts)）。換句話說，修改Suno的產品以隱藏其訓練數據的方式，並不會改變其在複製這些錄音著作，以創造其模型的那一刻起就侵犯著作權的事實。
Suno AI音樂之營運模式
Suno提供免費和付費版本的產品。就免費版，使用者每天可獲得50點，相當於生成10個音樂檔。根據Suno的服務條款，免費使用者不能將其生成的檔案用於商業目的。使用者也可訂閱Pro和Premier方案，月費分別為8美元和24美元。Pro方案每天為使用者提供2,500點，可生成500個音樂檔；而Premier方案每天提供10,000點，足以生成2,000個音樂檔。在付費訂閱之任一方案下，Suno都允許使用者將其數位音樂檔用於商業用途，例如將其上傳到YouTube、Spotify或Apple Music等音樂串流服務。
透過這種模式，Suno鼓勵使用者生成數位音樂檔，並將其商業化來賺取收入。簡言之，使用者生成的數位音樂檔案越多，Suno收費也就越多。2024年3月下旬，Suno推出其稱為「v3」的新版服務，v3讓所有使用者（無論是免費還是付費），幾乎可即時生成最長達兩分鐘的數位音樂檔。2024年5月底，Suno另推出一稱為「v3.5」版的服務，這是v3的更新版本。v3.5讓所有使用者（無論是免費還是付費）幾乎可即時生成最長達四分鐘的數位音樂檔。
Suno從侵權行為中獲取大量不法利益
原告主張，Suno已擁有超過1千萬個用戶使用其AI生成音樂，其中部分輸出作品已累積超過200萬個串流播放。這些數位音樂檔已向公眾公開散布，其中有些甚至已登上主要的串流服務平台，並與促成其AI生成創作之原告的錄音著作進行不正競爭；然而，Suno未曾向原告等權利人尋求授權，也未給予其應有的補償，而其因為是基於人類真實作品才推動Suno的AI生成創作。
Suno從侵犯原告錄音著作的行為中獲取大量不法利益，並在融資中籌集1.25億美元，而使該公司的估值高達約5億美元。此外，Suno進而以一系列高知名度的支持者為宣傳，並透過收取最高每月24美元的訂閱費，來實現其服務的貨幣化。如果沒有Suno所複製原告龐大的錄音著作來訓練其AI模型，這一切都不可能實現。原告因此提起本案，尋求對Suno大規模且持續的侵權行為請求禁制令和損害賠償。
原告指控Suno不法複製其錄音著作訓練AI輸出
Suno生成的數位音樂檔，係已模仿原告錄音著作之易於識別的特徵，這一事實支持Suno使用錄音著作來訓練其AI模型的結論。但原告迄目前尚未指控Suno這些輸出本身侵犯錄音著作，除非日後證據開示發現其係直接或間接再現錄音著作的部分內容。這些輸出作為證據事實證明Suno已複製特定之錄音著作，並將其納入其訓練數據以構建其服務。
（一）原告設計之測試方法
原告主張其設計一項測試，能揭示Suno複製到其訓練數據中的錄音著作。原告發現，某些提示模式(patterns of prompts)會導致Suno生成數位音樂檔 -- 其中會包含與原告錄音作品類似的旋律和風格。以下進一步解釋這些近似之處，表明該模型是在原告錄音著作上進行訓練的。
原告發現，使用包含流行音樂錄音特徵有針對性的提示（targeted prompts，例如錄音作品發行的年代、主題、流派類型和藝人的描述），會導致Suno所生成的音樂檔，與提示中描述之原告錄音著作高度近似。在進行此測試時，原告指定輸出的歌詞，以便易於顯示出其與特定錄音著作，在旋律或節奏上的可能近似之處。這種方法在於識別出，在Suno訓練數據中可能之特定的原告錄音著作，因為Suno試圖隱瞞其所訓練的錄音著作。結果證實Suno為了訓練目的複製原告錄音著作，因為如果不如此做，則其輸出中不可能出現這種程度的近似性。
（二）原告列舉數例Suno近似之輸出
原告主張，Suno的輸出與原告錄音著作具有無可爭辯的近似性，這是因其係基於他人錄音著作進行訓練的結果，只需聆聽即可知其近似之處，以下為原告所列舉Suno近似輸出的其中幾例（以下四例中，上圖皆為被告AI生成、下圖皆為原告原作）。
Suno一標題為「Deep down in Louisiana close to New Orle」的輸出，在前兩行使用的旋律與原作幾乎完全相同（詳下圖），唯一區別是音樂調性的變化和兩處輕微的節奏變化。其他27個輸出還包括主歌和副歌中與原作內容展現近似的旋律。
Score: Deep down in Louisiana close to New Orle (Suno)
其次，Suno生成10個不同的輸出，這些輸出與Bill Haley & His Comets《Rock Around the Clock》近似。例如其中一個標題為「One, Two, Three O’Clock, Four O’Clock, r」的錄音，是使用Suno的服務提示「1954 rock and roll bill haley comets」及原作的歌詞而生成的。正如音頻和轉錄(audio and transcriptions)顯示所反映的，這個輸出在開頭的前四行與原作非常近似，在許多地方的音高和節奏完全一致。它還在輸出的後面使用了短句「we’re gonna rock around the clock tonight」的旋律，這與原作的旋律幾乎相同。
Score: One, Two, Three O’Clock, Four O’Clock, r (Suno)
再一個例子是，Suno所生成的一個輸出，係模仿James Brown的《I Got You (I Feel Good)》的風格和旋律。在Suno之標題為「Wow! I feel good, I knew that I would no」的輸出中，短句「I knew that I would now」使用與原作相同的旋律。
Score: Wow! I feel good, I knew that I would no (Suno)
Suno另生成10個不同的輸出，其中包含與Jerry Lee Lewis的《Great Balls of Fire》近似的旋律。例如一個標題為「You shake my nerves and you rattle my br」的輸出，是用原始歌詞並提示「1950s rock and roll, jerry lee lewis, sun studio」所創造的。該輸出包括著名的特徵性大音域跳躍到(characteristic large vocal leap up)「Goodness gracious, great balls of fire」這行中「great」的這個字上，也複製原作的節奏並遵循類似的旋律(melodic shape)。其他九個輸出也包含類似的大音域跳躍到「great」這個字上。
Score: You shake my nerves and you rattle my br (Suno)
Suno還生成人聲音頻和製作人標籤
Suno的服務還生成包含人聲的音頻輸出，由於這些生成的人聲與原告錄音唱片的聲音近似而可立即識別。例如，即使是最狂熱的ABBA粉絲，也很難分辨由真人樂團創作的錄音，與Suno輸出的「Prancing Queen」與「Dancing in the Moonlight」中生成的聲音。Suno使用「70年代流行音樂」(70s pop)這個提示生成前者，而後者則是透過「迪斯可ABBA流行音樂」(disco abba pop)這個提示生成的輸出。
Suno還生成包含可資識別的「製作人標籤」(producer tags)的輸出，這進一步證明Suno未經授權複製特定的錄音著作。製作人標籤是一簡短且具特色的聲音，某些藝人或製作人會將其包含在錄音中，以確認其與某特定錄音間的關聯。製作人標籤的設計是獨一無二並能立即被粉絲識別出來。Suno的某些輸出複製可識別製作人標籤，這強烈表明Suno是在特定製作人受保護的錄音上進行訓練。
例如，Suno的輸出《Rains of Castamere》，以「CashMoneyAP」製作人標籤開始，儘管生成該數位音樂檔的提示中，根本沒有提到這位製作人。這一輸出表明Suno極可能是在與製作人CashMoneyAP相關聯的錄音上進行訓練，而這在Da Baby和Pop Smok等藝人受保護的錄音著作中，可以聽到其製作人標籤。而藝人Jason Derulo則以在其錄音開頭唱出自己的名字而聞名，Suno也複製這一標籤。再例如，在Suno生成標題為《Jason Derulo》的數位音樂檔的開頭，Jason Derulo的名字重複出現，以一種極為類似於他為自己實際在錄音中添加標記的方式呈現。基於Suno對這些標籤的複製，強烈表明Suno在其訓練數據中包含Jason Derulo受保護的錄音著作。
原告指責Suno不能主張合理使用
當原告以信函向Suno提出質疑時，Suno試圖主張著作權之「合理使用」，來為其大規模非法複製的合理性辯解。而這本身就是Suno的一種默認，因為只有當未經授權，實際上已使用受著作權保護的作品而需要以正當理由來辯解時，合理使用才會出現。Suno宣稱其大規模複製屬於「合理使用」，這點說明很具啟示性，因為「合理使用」僅在針對未經授權而「已使用」受保護的作品時，才會拿來作為辯護的理由。當原告質問Suno時，Suno並未作回應反而不實聲稱其訓練數據是「機密商業資訊」來轉移焦點。以下茲以美國案例法來探討。
（一）衡平之合理規則與合理使用法定類型
依美國最高法院Sony Corp. v. Universal City Studios, Inc.案判例，合理使用原則被塑造為一種「衡平之合理規則」(equitable rule of reason)，平衡各種背景因素以確定未經授權使用作品，是否屬於「公平」使用。然而，原告認為Suno無法訴諸衡平原則(equitable principles)，來洗清其故意竊取受保護錄音著作以獲取商業利益的行為。Suno認知其行為是不法且不公平的，這解釋為何其甚至拒絕承認未經授權使用原告錄音的程度，以及為何當使用者公開產出時（可清楚反映該產出是在原告錄音上訓練），試圖掩蓋其蹤跡。
原告指責Suno的行為違背著作權法之基本目的，並與推動合理使用原則的宗旨相悖。美國《著作權法》將「普通法合理使用原則」(common-law doctrine of fair use)編纂成法律，其中列舉可能屬於合理使用的類型，包括為「批評、評論、新聞報導、教學、學術或研究…..」之目的。這些合理使用的典範例示，反映出確保「文學、音樂和其他藝術」對公眾開放使用的政策，以便讓他人可借鑒這些作品來創作出新的作品。
但Suno大規模複製原告錄音的行為，並不符合這些目的，因為Suno的服務既不提供「評論」或「學術」，更不促進著作權法中所謂之「人類作者身分」(human authorship)。相反的，Suno的服務複製攝取受保護的著作權作品，以創造電腦生成模仿人類表達的作品，而這些模仿作品不值得著作權保護。Suno的動機顯然是明顯之商業目的，這將威脅取代著作權保護核心之人類的藝術創作。Suno不能透過合理使用的主張，來逃避其故意之著作侵權責任，因合理使用原則係在某些有限情況下，允許未經授權使用受著作權保護的作品，從而促進人類表達，但Suno提供的是機器生成的模仿音樂，而非人類的創意或表達。
（二）Suno不符合「合理使用」或「轉化性使用」
原告認為，根據美國著作權法第107條所列舉之四個衡量是否屬於「合理使用」評估因素來判斷，這些因素包括：(1) 使用之目的和性質，包括使用是否具有商業性質或係用於非營利教育目的；(2) 受著作權保護作品的性質；(3) 所使用的數量和實質性及其在整個著作所占之比例；以及(4) 使用著作權作品之潛在市場或價值的影響。但這些因素沒有一個對Suno的產品有利，Suno的行為無法被認定為合理使用。
Suno使用原告錄音著作之目的，本質上具有典型的商業性質，並生成直接競爭的數位音樂檔，這些檔與原告創作的音樂錄製具有相同之目的，並取代了人類創作的真實錄音；Suno複製原告錄音著作的主要表達特徵(expressive features)；這些錄音著作是著作權保護的核心；而Suno的侵權行為已損害銷售、授權和發行錄音的現有和潛在的商業市場。如果不加以遏制，Suno將有顛覆整個合法音樂產業的重大風險。
第一個合理使用因素，著重於「目的和性質比較的問題」。依最高法院Andy Warhol Found. for the Visual Arts, Inc. v. Goldsmith判例。如果使用原作品之目的，是要達到「與原作品相同或非常近似之目的，更有可能成為原作的替代品」時，即不太可能構成合理使用。Suno宣稱其產品可生成「電台/廣播品質的音樂」(radio-quality music)，並鼓勵付費之使用者，將其輸出作品發布到「專為用於音樂商業化而設計的平台」。為了實現這一目標，Suno複製原告的錄音並生成數位音樂檔，其目的在娛樂、引發情感共鳴，就像Suno拿來訓練之真實錄音的原作一樣。Suno將錄音著作輸入其AI模型，不僅是為了解構其表達內容，而且其明確的目標是為了在數位音樂檔中模仿這些表達特徵，以成為原錄音之替代品並與其競爭。
而Suno決非「轉化性」的使用(transformative use)，因其AI模型攝取受保護的錄音著作，除了吐出新的具競爭性音樂檔案之外，沒有任何功能性目的(functional purpose)。Suno出於商業目的複製原告之錄音著作，並依其生成的音樂檔數量直接獲取收益，這使得第一個合理使用因素不利於Suno。如果原作和二次使用作品具有相同或高度近似性目的，而且二次使用具有商業性質（除非有其他理由證明複製的合理性），否則第一個因素可能不利於合理使用」
第二個合理使用因素也有利於原告，依TCA TV Corp. v. McCollum案，這項因素意識到「某些作品比其他作品更接近預期著作權保護的核心，因此當前者的作品被複製時，更難以建立合理使用」。毫無疑問的，原告認為其錄音著作屬於「為公眾傳播的創作性表達」，落在著作權保護目的核心之內。
第三個因素也不利於合理使用。依Authors Guild v. Google, Inc.案，「當複製的量較少時，更有可能認定為合理使用，而當複製是廣泛的或涵蓋原作中最重要的部分時，則更難認定為合理使用」。很明顯的，Suno大量複製其納入訓練數據中原告受保護之錄音中最重要的部分，這一點可從其能重現如流行音樂一些最容易識別的音樂短句、旋律和副歌中得到證明，然後Suno用這些受保護表達之關鍵元素的複製，來生成類似於其攝取輸入的受保護之錄音著作的音頻輸出。
至於第四個因素，就Suno使用受保護的錄音著作，已對錄音著作的市場和價值構成重大威脅。授權是原告業務的核心，且其以多種目的將該等錄音著作授權他人使用，包括用於新興技術如串流媒體服務、使用者生成內容平台和其他創新技術。Suno未經授權使用原告錄音著作，威脅要消除現有的錄音授權市場，以及向生成式AI公司授權錄音的未來市場。因為潛在有興趣之被授權人，本來可為了自己使用的目的去獲取著作權錄音的授權，但現在用被告的工具即可不透過授權，幾乎不需成本地生成AI模仿聲音。這衍生出異常的結果，因為當替代音頻檔是透過像Suno這樣的AI音樂服務來生成時，該服務係在侵權的情況下製作模仿聲音，而這種情況本來應被以獲得授權方式為之[1]。
音樂著作實質近似性之認定
在著作侵權訴訟的司法程序中，要認定是否構成侵害，必須將被告遭指控作品和原告的作品比對，以確定是否具實質近似性(substantial similarity)。而在音樂相關的著作侵權案件中，通常會分析二造作品中的音樂元素，是否侵犯音樂作品的著作權。因此法院會比較二作品中的音樂表現元素，包括：歌詞、旋律、和聲、節奏、音高、速度、樂句、音色、音調、形式、空間組織(spatial organization)、和音、撞音(dissonance)、重音、低音線(bass lines)、整體結構；其中，旋律、和聲和節奏通常是重中之重[2]。而就算經過聆賞比對和鑒定，二造仍然會有激烈的攻防，因此在實務上針對是否構成實質近似，衍生幾個重要的判斷法則。
（一）實質近似判斷法則
就此美國司法實務上有所謂抽象測試法(Abstractions Test)、模式測試法(Pattern Test)、整體觀念及感覺測試法(Total Concept and Feel Test)、二階段測試法等判斷原則。在Johannsongs-Publishing v. Peermusic案中，地院引用第九巡迴上訴法院之「二部外在/內在測試法」(two-part extrinsic/intrinsic test)，來確定二造作品是否實質上近似，但該案地院認為在簡易判決(summary judgment)階段只能適用外部測試（而審判中的陪審團被認為最能代表內在測試所需的「合理觀察者」），因此完全基於外部測試，最終以簡易判決判原告著作權人敗訴，原告Johannsongs旋上訴第九巡迴法院又被駁回，嗣再上訴最高法院不獲受理。
第一部外在測試(extrinsic test)，比較兩作品具體表達元素的客觀近似性，音樂表達現元素包括如歌詞、旋律、節奏、形式、節奏、和聲和整體形式結構佈局。根據第九巡迴法院，因為只有受保護的表達才會構成侵權，因此第一測試區分作品中受保護和不受保護的表達至關重要。外在測試客觀比較作品中，特定表達元素之客觀的實質近似性，通常需要專家分析；而第二部內在測試，則係在沒有專家協助的情況下，從普通理性觀察者的角度主觀衡量表達的近似性；普通觀察者是缺乏音樂專業知識的人，是否認為作品實質上近似。
如果外部測試和內部測試都對原告有利，才構成實質上近似；如果任一測試對被告有利，則不存在著作權侵權。原告抗辯應捨棄第九巡迴上訴法院二部外在/內在測試，而採用第二巡迴上訴法院的「普通觀察者」測試(ordinary observer test)，係「更具辨別力」測試法(“more discerning” test)，僅尋找涉嫌侵權作品中可著作權元素之間的實質近似性，不應將系爭作品拆解為單獨的組成供聆聽，而應將受保護的元素作為指引，來比較系爭作品之「整體觀念和感覺」(total concept and feel)。
（二）音樂著作侵權案件中的專家鑒定
再者，和文字著作不一樣的就是，不能只用肉眼來觀測分析曲譜的組成部分，就算音符所呈現的旋律、和聲、節奏等「看來」近似，亦不能據此即認定，而必須是要用聽的！因為視覺上之曲譜組成並非音樂侵權的判斷基準，要決定兩造的音樂或錄音著作是否近似，法院通常會用勘驗的方式，甚至請求音樂領域相關的專家來進行鑒定！在所有著作標的中音樂和電腦程式，往往比涉及其他型態的案件更依賴專家證詞(Expert Testimony)，藉以找出二造作品之間的近似之處，並以可辨識的方式來比較作品，故專家通常會準備圖像，以視覺方式(in a visual manner)來說明二造作品之間的近似處。涉及音樂著作侵權案件中的當事人，應考慮儘早聘請專家協助識別和評估：1. 任何相似之處的重要性。2. 其他作品中是否存在類似元素，這些元素可能是被告或原告的作品靈感來源。
結論
基本上，迄今在美國發生所有生成式AI的著作侵權訴訟中，原告主要控訴都在二個部分：一是訓練過程中的大量複製，另一則是生成結果產生內容的近似。而目前大部分的案例中，原告基本上都比較不容易舉證[3]，被告生成的結果和其哪個著作的哪一部分內容產生實質近似性(請參閱美國作家集體訴訟控告Meta生成式AI工具LLaMA著作侵權)。但是，本案比較特別的是，原告雖然具體舉出好幾個例子，來證實被告生成內容與其錄音著作構成近似，然而在起訴狀當中，原告卻只僅主張訓練過程中的複製，而捨棄生成結果的近似，至多僅將Suno自動生成的內容，當作被告的確在訓練過程中有複製的證據。這比起紐約時報控告OpenAI案(請參閱媒體巨擘控告ChatGPT著作侵權案)，或是環球等音樂出版商控告Anthropic的AI模型Claude(請參閱全球首宗音樂出版商控告生成式AI Claude歌詞著作侵權案)，原告同時主張過程和結果二者構成侵害完全不同！
此外，就請求救濟之法律基礎而言，原告僅針對被告1972年之前與之後錄音著作，控告Suno係著作直接侵權(direct copyright infringement)，而未像紐約時報或環球等另提告「輔助侵權」(contributory infringement)以及「引誘侵權」(inducing infringement)，原告這樣的訴訟策略，可能是考量到訴訟程序中需經繁複的鑑定過程，而在不同的巡迴上述法院或地院的判定標準上，經常有歧異產生。因此原告或許乾脆迴避對生成結果與原告作品相似度的審查，捨棄不必要的爭議，集中打擊面在AI訓練過程中之複製。總之，本案將來法院究竟會如何認定Suno的AI自動生成音樂是否構成侵權，後續發展甚值得觀察。(9621字；圖9)
作者資訊：
陳家駿律師 台灣資訊智慧財產權協會理事長
[1] 原告指責Suno竟還推廣一種破壞性的理論，即只要新技術宣稱尋求獲得授權過於繁瑣時，著作權音樂就可以隨意被免費取用。換句話說，Suno的行為，是對著作權法獎勵作者、並促進其繼續創作受著作權保護作品誘因的根本目的之正面攻擊。
[2] 在評估音樂作品的相似性時，表演元素（即表演者添加、省略或更改的材料）通常會被排除在外，因其並非原作品中的一部分。
--------------------------------------------------------------------------------------------------------------------------------------------
【聲明】
1.科技產業資訊室刊載此文不代表同意其說法或描述，僅為提供更多訊息，也不構成任何投資建議。
2.著作權所有，非經本網站書面授權同意不得將本文以任何形式修改、複製、儲存、傳播或轉載，本中心保留一切法律追訴權利。
|