使用AI轉(zhuǎn)錄有聲讀物字幕的法律界限
——基于亞馬遜被訴侵犯版權(quán)案視角

鄭 聰

（圣路易斯華盛頓大學(xué) 法學(xué)院，密蘇里 圣路易斯 63130）

一、問題的提出

2019年8月，美國著名互聯(lián)網(wǎng)企業(yè)亞馬遜旗下的有聲讀物Audible被七家出版巨頭起訴。爭議焦點(diǎn)主要集中于Audible公司旗下一款即將推出的“Captions”功能（以下簡稱“字幕”）。該功能的工作邏輯主要為：通過機(jī)器學(xué)習(xí)及AI的幫助，為播放中的有聲讀物生成與語音對應(yīng)的文字。然而，七家原告作為出版商及作家利益代表，主張Audible公司僅僅擁有出售有聲讀物的權(quán)利，該權(quán)利并不延及任何其有聲讀物的相應(yīng)文字版本。因此，原告主張Audible公司憑借其字幕功能，在未經(jīng)授權(quán)的情況下，涉嫌使用、傳播原告享有版權(quán)的文字作品，已經(jīng)構(gòu)成了著作權(quán)侵權(quán)；同時，將無法避免地導(dǎo)致電子書銷量降低，并波及傳統(tǒng)出版商及作者的版稅收入［1］。

本案問題的核心在于部分有聲讀物平臺通過AI轉(zhuǎn)錄語音生成相應(yīng)文字的行為是否構(gòu)成侵權(quán)？本案原告認(rèn)為亞馬遜公司出于自己利益，在未經(jīng)同意許可的情況下進(jìn)行利用音頻生成文字并傳播的行為已經(jīng)構(gòu)成了美國版權(quán)法下的典型侵犯行為。亞馬遜公司則認(rèn)為通過AI自動生成字幕的行為并不構(gòu)成侵權(quán)，其原因有二：首先，有聲讀物所提供的字幕只是針對所讀的句子產(chǎn)生的文字，并不能達(dá)到或者呈現(xiàn)一本書的效果，如不能翻頁、不能成體系生成等；其次，這種提供字幕的做法實(shí)質(zhì)上是在發(fā)揮文字的教育功能，幫助收聽者查詢不熟悉的單詞，尤其是能夠幫助兒童提高識字能力，因此不構(gòu)成侵權(quán)。

目前，該案仍在審理中，尚未作出最終判決?？梢?，使用AI轉(zhuǎn)錄有聲讀物字幕在美國司法實(shí)務(wù)領(lǐng)域存在爭議，究其原因主要系美國和我國對于有聲讀物本身的版權(quán)屬性在法律定位上存在不同。當(dāng)然，這種不同并不是有聲讀物爭議的主要原因，即使在我國法律體系內(nèi)部也會存在這種爭議。然而，無論何種語境下，針對使用AI轉(zhuǎn)錄有聲讀物字幕存在的法律問題都需要從三個方面加以回答：第一，使用AI轉(zhuǎn)錄有聲讀物字幕是否構(gòu)成侵權(quán)？第二，使用AI轉(zhuǎn)錄有聲讀物字幕侵犯了何種著作權(quán)？第三，如何回避使用AI轉(zhuǎn)錄有聲讀物字幕的侵權(quán)風(fēng)險？事實(shí)上，要回答上述問題首先需要澄清的是有聲讀物本身的法律屬性，以及有聲讀物使用AI生成的字幕與文本之間的關(guān)系問題。

二、有聲讀物及其使用AI生成字幕的法律屬性及定位

探索有聲讀物的法律屬性，還需要從有聲讀物自身的發(fā)展說起。有聲讀物之所以出現(xiàn)和人類的閱讀方式密切相關(guān)。古代社會，由于紙質(zhì)文本較為昂貴，普通民眾由于經(jīng)濟(jì)能力有限無法有效獲得閱讀文本，從而依托于口口相傳的口語閱讀和背誦來進(jìn)行知識的傳遞，可見，閱讀方式最早體現(xiàn)于“聽”上。后來隨著紙質(zhì)讀物的普及，其獲得方式也更為簡易，而民眾為了提高閱讀效率，“看”作為閱讀的主要方式逐步成為主流。一般而言，當(dāng)下聽書的體驗(yàn)主要適用于伴隨性閱讀和碎片化閱讀，正是這一特征使得我國國民聽書率有較大提高，20%的成年國民有聽書習(xí)慣［2］。由此可見，有聲讀物發(fā)展到當(dāng)下必須從現(xiàn)行法律規(guī)范中找尋相應(yīng)的法律依據(jù)，從而為有聲讀物的發(fā)展提供制度和規(guī)范支撐。

（一）有聲讀物的法律屬性

對于有聲讀物的法律定性，有學(xué)者直言：有聲讀物是作品，因?yàn)橛新曌x物符合《著作權(quán)法》對“作品”規(guī)定的要件。然而這一論斷還需要根據(jù)我國法律的規(guī)定進(jìn)行具體分析。我國《著作權(quán)法》規(guī)定受法律保護(hù)的“作品”必須符合三個要件：自然人勞動創(chuàng)作的能夠傳播的文學(xué)、藝術(shù)和科學(xué)思想；能夠以有形形式加以復(fù)制；具有獨(dú)創(chuàng)性［3］。從這三點(diǎn)來審視有聲讀物的內(nèi)容，我們不難發(fā)現(xiàn)有聲讀物十分符合前兩項(xiàng)標(biāo)準(zhǔn)，而是否符合獨(dú)創(chuàng)性存在爭議。因此，判斷有聲讀物是否符合《著作權(quán)法》中關(guān)于“作品”的規(guī)定還需要根據(jù)有聲讀物的具體內(nèi)容加以具體分類。

有聲讀物的類型可以根據(jù)現(xiàn)實(shí)生活的表現(xiàn)形式，以及有聲讀物本身與文字內(nèi)容之間的關(guān)系加以確定。一般而言，有聲讀物可以分為三種形式：第一，利用TTS（Text-to-Speech）技術(shù)機(jī)械性地對文字進(jìn)行朗讀；第二，將需要朗讀的文字用錄音形式加以錄制；第三，有聲讀物對文字進(jìn)行了一定程度上的修改，在修改的過程中對內(nèi)容進(jìn)行整合和加工，并加入部分音效將其剪輯錄制制作成產(chǎn)品。從作品的認(rèn)定角度出發(fā)，首先利用TTS技術(shù)進(jìn)行的機(jī)械性朗讀因?yàn)橹皇且环N簡單的閱讀和復(fù)制，從而缺少相應(yīng)的獨(dú)創(chuàng)性，因此不符合著作權(quán)法意義上的“作品”。相較于第一種的簡單復(fù)制，第三種類型有聲讀物因?yàn)閷ξ淖謨?nèi)容進(jìn)行了修改，并加入了制作者和朗讀者自身的理解和情感，同時在錄制之后進(jìn)行背景音樂上的剪輯，從而使得有聲讀物具有了獨(dú)創(chuàng)性，這符合著作權(quán)法上的“作品”要求。第二種有聲讀物是否具有獨(dú)創(chuàng)性在判斷上有一定難度，雖然第二種讀物對原有的文字進(jìn)行了一定程度的勞動創(chuàng)造，付出了相應(yīng)的勞動價值，但是這種勞動付出是否符合著作權(quán)法意義上的“獨(dú)創(chuàng)性”則存在商榷之處。因此，有學(xué)者認(rèn)為在這種意義上，第二種有聲讀物的創(chuàng)造性不足，不能構(gòu)成作品，而只能作為與作品相對應(yīng)的錄音制品受到保護(hù)，相關(guān)的錄制者只能享有鄰接權(quán)而非狹義的著作權(quán)［4］。由此可見，有聲讀物的法律屬性，也即有聲讀物是否符合“作品”的要求還需要根據(jù)有聲讀物的具體內(nèi)容加以確定。

（二）使用AI生成有聲讀物字幕行為的法律定位

從上文可以看到有聲讀物與文字的關(guān)系對于界定有聲讀物的性質(zhì)十分關(guān)鍵，而決定有聲讀物基本屬性的關(guān)鍵在于其是否具有獨(dú)創(chuàng)性，這也是對有聲讀物進(jìn)行分類的重要標(biāo)準(zhǔn)。事實(shí)上，要想確定使用AI生成有聲讀物字幕行為的法律屬性，還需要厘清有聲讀物本身和文字作品在著作權(quán)上的關(guān)系。

我國著作權(quán)法對于作品的著作權(quán)有廣義和狹義之分，廣義的著作權(quán)是包含鄰接權(quán)在內(nèi)的，可見我國現(xiàn)行著作權(quán)法規(guī)定的基本結(jié)構(gòu)都是基于“著作權(quán)——鄰接權(quán)”的二元結(jié)構(gòu)體系。著作權(quán)旨在保護(hù)作品的創(chuàng)作，而鄰接權(quán)則主要保護(hù)作品的傳播。如果從這個意義出發(fā)，我們不難看出有聲讀物本身應(yīng)該主要受鄰接權(quán)的保護(hù)，基于此有學(xué)者就認(rèn)為有聲讀物的制作和傳播就涉及了表演者權(quán)、錄音錄像者權(quán)和廣播組織者權(quán)這三類鄰接權(quán)［5］。然而，從本質(zhì)上看，某一作品是享有著作權(quán)還是鄰接權(quán)主要針對作品的擁有主體和作品本身的創(chuàng)造性，即使是有聲讀物也并不只是涉及到鄰接權(quán)，何況鄰接權(quán)制度也并不是世界普遍認(rèn)可和采用的制度［6］(P21)。正如上文所言，美國就不存在鄰接權(quán)制度，而是將表演者的表演、錄音制品等與有聲讀物密切相關(guān)的內(nèi)容一并視作作品加以保護(hù)。正是在這一前提下，我們才能很好地理解亞馬遜被訴侵犯版權(quán)案的基本內(nèi)容。因?yàn)槊绹鴽]有鄰接權(quán)制度，而是將文字版權(quán)、錄音制作等都視為作品，其在保護(hù)過程中可謂一視同仁，這樣才會產(chǎn)生非常明確的版權(quán)糾紛問題。

綜上，亞馬遜公司之所以被許多版權(quán)商起訴侵犯版權(quán)，其中涉及到的一個關(guān)鍵問題就在于亞馬遜公司只是向有聲讀物的制作公司購買了有聲讀物版權(quán)，而沒有獲得有聲讀物背后文字出版商的許可。而通過AI轉(zhuǎn)錄有聲讀物的字幕就難免會涉嫌侵犯文字出版商對于文字本身擁有的發(fā)行權(quán)等著作權(quán)。然而，到底使用AI轉(zhuǎn)錄有聲讀物字幕是否構(gòu)成侵權(quán)以及構(gòu)成何種侵權(quán)，還需要進(jìn)一步結(jié)合案情加以分析。

三、使用AI轉(zhuǎn)錄有聲讀物字幕的侵權(quán)風(fēng)險

有聲讀物雖然是當(dāng)下比較新穎的事物，但是其發(fā)展速度和影響力都超過一般人的想象，可以說，有聲讀物通過“迎合”當(dāng)下人們快節(jié)奏的生活而迅猛發(fā)展。然而，在發(fā)展過程中，有聲讀物在法律風(fēng)險層面遇到了較為嚴(yán)重的問題。雖然有學(xué)者通過對《著作權(quán)法》的解釋和對實(shí)踐中出現(xiàn)的案例進(jìn)行分析，總結(jié)出有聲讀物在著作權(quán)上的定性，但是有聲讀物涉嫌著作權(quán)的侵犯案件卻呈現(xiàn)增長趨勢［7］。筆者通過裁判文書數(shù)據(jù)庫進(jìn)行檢索，截止到2019年9月17日，全國已有169件有聲讀物涉嫌著作權(quán)侵權(quán)的案件一審審結(jié)。從中不難看出有聲讀物本身具有的爭議性，而相關(guān)法律規(guī)范和法律適用方法的滯后也造成有聲讀物的侵權(quán)風(fēng)險較高。

（一）使用AI轉(zhuǎn)錄有聲讀物字幕是否構(gòu)成侵權(quán)

從出版社訴亞馬遜使用AI轉(zhuǎn)錄有聲讀物字幕涉嫌侵犯的案件中我們發(fā)現(xiàn)，這一問題主要涉及出版社、有聲讀物制作者和作為有聲讀物發(fā)布平臺的亞馬遜。在這個案件過程中，有聲讀物制作者這一主體并沒有出現(xiàn)，其原因在于美國法律規(guī)定了有聲讀物等錄音制品具有獨(dú)立的著作權(quán)，亞馬遜從有聲讀物制作者那里購買了有聲讀物，以及有聲讀物制作者從出版社購買了作品的使用權(quán)等都是符合相關(guān)法律規(guī)定的。因此，涉嫌侵權(quán)與被侵權(quán)的雙方主要是出版社和對有聲讀物進(jìn)行轉(zhuǎn)錄的亞馬遜平臺。那么亞馬遜使用AI轉(zhuǎn)錄有聲讀物字幕是否構(gòu)成侵權(quán)呢？

本文認(rèn)為，無論是基于美國的單一著作權(quán)保護(hù)體系①，還是我國的“著作權(quán)——鄰接權(quán)”二元結(jié)構(gòu)體系，有聲讀物即使只是以鄰接權(quán)的形態(tài)出現(xiàn)，其也應(yīng)受到著作權(quán)法的保護(hù)。正如我國《著作權(quán)法》規(guī)定的那樣，被許可人復(fù)制、發(fā)行、通過信息網(wǎng)絡(luò)向公眾傳播錄音錄像制品，還應(yīng)當(dāng)取得著作權(quán)人、表演者許可，并支付報(bào)酬。換言之，所有具有文字版權(quán)的作品一旦改變成有聲讀物進(jìn)行傳播，不管其目的是否在于營利，都需要著作權(quán)人的許可［8］。從這一規(guī)定，我們可以引申到有聲讀物與轉(zhuǎn)錄字幕之間的關(guān)系上。既然有聲字幕具有獨(dú)立的作品屬性，而亞馬遜這一平臺也并沒有向擁有文字作品著作權(quán)的出版社購買相應(yīng)的作品使用權(quán)，則我們可以簡單得出結(jié)論：亞馬遜等平臺進(jìn)行的AI轉(zhuǎn)錄字幕涉嫌侵犯風(fēng)險。正如出版社在訴訟中提出的那樣，亞馬遜通過AI轉(zhuǎn)錄有聲讀物字幕之后，將相應(yīng)的轉(zhuǎn)錄文本不加注意全部呈現(xiàn)給客戶，這可以說是亞馬遜獨(dú)自讓還受著作權(quán)法保護(hù)的作品，在未經(jīng)權(quán)利人同意和許可的情形下，為了自身利益對這些作品進(jìn)行重新利用，這種行為無疑是美國版權(quán)法所禁止的典型侵權(quán)行為。此外，由于亞馬遜通過AI自動生成了相應(yīng)的字幕和文本，就會給出版社造成巨大壓力，損害了文字作品的銷售效果，從而侵犯了出版社的經(jīng)濟(jì)利益。還有一點(diǎn)不可忽視，那就是通過AI轉(zhuǎn)錄的字幕存在較多的錯誤，不僅給閱讀者帶來困擾，影響閱讀效果，也在一定程度上影響了閱讀者對于作品的認(rèn)知和感受，造成作品影響力大打折扣，影響了作品的接受度和出版社的經(jīng)濟(jì)利益。

從我國著作權(quán)法層面對這一問題加以審視，也可以得到相同的結(jié)果。我國采用“著作權(quán)——鄰接權(quán)”二元的著作權(quán)保護(hù)結(jié)構(gòu)，一般意義上認(rèn)為有聲讀物“屬于以錄音制品形式存在的復(fù)制件”［6］(P18)，其是否具有獨(dú)創(chuàng)性是存在質(zhì)疑的。對這種觀點(diǎn)本文采取比較審慎的態(tài)度，而即使只承認(rèn)有聲讀物只在鄰接權(quán)意義上存在著作權(quán)，那么這一鄰接權(quán)具體還包括表演者權(quán)、錄音錄像權(quán)等權(quán)利內(nèi)容。無論將有聲讀物理解為著作權(quán)還是鄰接權(quán)，其權(quán)利屬性都是不變的，其同樣也具有不可侵犯性。最為關(guān)鍵的是，有聲讀物的獨(dú)立權(quán)利屬性的存在并不會影響有聲讀物與原作品之間的關(guān)系，也即無論是有聲讀物、原作品以及對有聲讀物進(jìn)行的改造和使用，都不可侵犯權(quán)利內(nèi)容。

具體到亞馬遜被訴這一案件，亞馬遜提出的相關(guān)抗辯能否使其阻卻其行為的侵權(quán)性質(zhì)呢？本文認(rèn)為其提出的理由是比較牽強(qiáng)的。亞馬遜的理由主要有以下兩點(diǎn)：第一，亞馬遜不認(rèn)為其行為構(gòu)成侵權(quán)，乃是因?yàn)閬嗰R遜認(rèn)為自身通過AI轉(zhuǎn)錄的字幕并不能稱其為“書”，也并沒有打算成“書”，因?yàn)檗D(zhuǎn)錄的字幕無法翻頁，只能在用戶收聽時自動生成；第二，亞馬遜認(rèn)為其提供的字幕具有良好的教育功能，也就是說AI轉(zhuǎn)錄的字幕能夠幫助用戶及時查找不熟悉的詞語，可以提高兒童的識字水平和學(xué)習(xí)能力。本文認(rèn)為這兩點(diǎn)是很難站得住腳的，首先，亞馬遜提出的第一個抗辯理由認(rèn)為轉(zhuǎn)錄的字幕不是書，其也并沒有試圖成書，這顯然不能構(gòu)成相應(yīng)的理由。究其原因乃在于亞馬遜混淆了“書”與“作品”的概念。不構(gòu)成“書”并不代表不構(gòu)成侵權(quán)，而主觀上沒有試圖成書更不能成為不構(gòu)成侵犯的理由，畢竟著作權(quán)侵犯不要求侵犯方有主觀故意存在。其次，亞馬遜認(rèn)為字幕服務(wù)具有教育功能，這顯然是為侵權(quán)尋求理由，即使字幕本身具有相應(yīng)的教育功能，其教育功能的發(fā)揮也不能建基在侵犯著作權(quán)的前提上。通過對版權(quán)所有者權(quán)利的侵權(quán)來實(shí)現(xiàn)所謂的“教育”功能，這種觀點(diǎn)站不住腳，也十分可疑。

實(shí)質(zhì)上，亞馬遜提出的抗辯理由還涉及到著作權(quán)的合理使用原則和首次銷售原則。所謂合理使用，是《伯爾尼公約》中提出的對著作權(quán)的限制，其主要包括：對作品的適用不能妨礙著作權(quán)人對作品的正常使用；不能對著作權(quán)的合法權(quán)益造成損害；不能超過使用目的的必要范圍等。然而，合理使用原則的具體內(nèi)容在實(shí)踐中發(fā)生了變化，非盈利使用一度被作為排除合理使用的重要標(biāo)準(zhǔn)。事實(shí)上，合理使用是將一定的損害保持在合適的范疇之內(nèi)，而并不是排除對著作權(quán)人的侵害。本文中亞馬遜使用AI進(jìn)行的文字轉(zhuǎn)錄行為本身顯然已經(jīng)超越了合理使用的范圍，不能將合理使用原則作為其抗辯的理由。所謂首次銷售原則，又可稱之為權(quán)利窮竭原則、發(fā)行權(quán)用盡原則，主要是指合法制作的作品或者復(fù)制件首次合法進(jìn)入市場后，著作權(quán)人無權(quán)控制該作品原件或復(fù)制件的再次發(fā)行。雖然首次銷售原則在各國立法中都有不同程度的規(guī)定，然而這一原則在當(dāng)下的運(yùn)用產(chǎn)生了弊端，尤其是自媒體時代和信息網(wǎng)絡(luò)無比發(fā)達(dá)的個體產(chǎn)生信息的背景下，因此各國紛紛采取措施對這一原則進(jìn)行了限制［9］。就本案而言，其并不適用首次銷售原則，最根本的原因在于亞馬遜公司并沒有從出版社手里購買相應(yīng)的版權(quán)，在不擁有版權(quán)的情況下，顯然無法將之理解為首次銷售原則的涵攝范圍。

（二）使用AI轉(zhuǎn)錄有聲讀物字幕侵犯了何種著作權(quán)

上文從亞馬遜被訴案著手，分別從出版社和亞馬遜兩方的立論出發(fā)，闡述了亞馬遜通過AI轉(zhuǎn)錄有聲讀物字幕的行為是構(gòu)成侵權(quán)的。即使不運(yùn)用這種理論分析方法，從侵犯行為四要素的分析框架來看，亞馬遜的行為也是符合侵權(quán)要件的。首先，亞馬遜通過AI轉(zhuǎn)錄有聲讀物字幕的行為已成事實(shí)，而亞馬遜公司也并沒有從出版社那里獲得版權(quán)，因此其符合侵權(quán)的行為要件；其次，亞馬遜公司的行為造成了一定程度的危害結(jié)果，既使得文字作品版權(quán)所有者出版社產(chǎn)生了損失，也錯誤引導(dǎo)了公眾的學(xué)習(xí)方向和學(xué)習(xí)質(zhì)量；再次，亞馬遜公司使用AI轉(zhuǎn)錄有聲字幕的行為與出版社版權(quán)受損之間存在鮮明的因果聯(lián)系；最后，正如上文所言，亞馬遜的行為并不具有合理使用等違法阻卻事由，其提出的所謂教育作用也難以成立。

綜上可知，使用AI轉(zhuǎn)錄有聲字幕行為侵犯了出版社對作品擁有的一系列著作權(quán)。雖然仍有部分學(xué)者認(rèn)為錄音錄像本身是一種機(jī)械的復(fù)制行為，錄制人員的工作主要是技術(shù)性的，而不是智力型的、創(chuàng)造性的②，但是本文認(rèn)為出版社所擁有的這些著作權(quán)是不可回避的，其主要包括：文字作品制作權(quán)人的著作權(quán)類型，如當(dāng)制作的有聲讀物沒有新增任何獨(dú)創(chuàng)性，僅構(gòu)成文字作品的復(fù)制件時，制作者侵犯的是著作權(quán)人所享有的復(fù)制權(quán)；當(dāng)制作者的有聲讀物具有一定的創(chuàng)造性，但尚未達(dá)到作品所要求的創(chuàng)造高度，只是構(gòu)成錄音制品，則仍然侵犯的是著作者的復(fù)制權(quán)［10］。當(dāng)制作的有聲讀物滿足了作品所要求的獨(dú)創(chuàng)性，達(dá)到了一定的智力創(chuàng)造高度構(gòu)成改編作品時，所侵犯的是文字作品著作權(quán)人所享有的改編權(quán)。此種情形主要是指制作者通過綜合利用人聲、配音、背景音樂、聲效、情感等諸多元素對文字作品進(jìn)行適當(dāng)修改后錄制成音頻。同時，也包括傳播有聲讀物所擁有的著作權(quán)，如廣播權(quán)，即廣播電臺需要獲得著作權(quán)人的許可，其未經(jīng)許可將廣播內(nèi)容上傳到客戶端的行為將會侵犯著作權(quán)人的信息網(wǎng)絡(luò)傳播權(quán)。利用AI技術(shù)將有聲讀物識別成文字在為聽書者提供便利的同時，有可能侵犯著作權(quán)人的信息網(wǎng)絡(luò)傳播權(quán)，導(dǎo)致聽書者不需要再去購買相應(yīng)的紙質(zhì)版或者電子版書籍，從而侵犯了著作人的權(quán)利。

四、使用AI轉(zhuǎn)錄有聲讀物字幕的侵權(quán)風(fēng)險回避舉措

無論是在理論層面還是實(shí)務(wù)領(lǐng)域，也不論是在對有聲讀物進(jìn)行獨(dú)立版權(quán)保護(hù)的美國還是采用“著作權(quán)——鄰接權(quán)”二元保護(hù)結(jié)構(gòu)的中國，在沒有獲得出版商和作品著作權(quán)人的許可下，僅僅通過AI自動轉(zhuǎn)錄有聲字幕的行為顯然存在侵權(quán)嫌疑。因此，無論是有聲讀物的網(wǎng)絡(luò)平臺還是出版商，以及有關(guān)版權(quán)立法的相關(guān)政府部門都應(yīng)該正視這一現(xiàn)狀，采取相應(yīng)措施對相關(guān)的侵權(quán)風(fēng)險加以回避。具體措施主要包括以下方面：

第一，加強(qiáng)有聲讀物平臺的管理，要求有聲讀物平臺履行相應(yīng)的注意義務(wù)。使用AI轉(zhuǎn)錄有聲讀物字幕從根本上說是有聲讀物提供平臺的具體行為，而相應(yīng)的侵權(quán)風(fēng)險也大多存在于有聲讀物平臺之上。因此，避免有聲讀物轉(zhuǎn)錄字幕的侵權(quán)問題，還需要追根溯源從平臺的管理著手。首先，有聲讀物提供平臺，如亞馬遜等應(yīng)該對平臺上的所有音頻讀物進(jìn)行統(tǒng)一管理，針對每一個讀物的具體內(nèi)容，從細(xì)節(jié)層面進(jìn)行審查。有學(xué)者指出，具體做法可通過數(shù)字版權(quán)保護(hù)技術(shù)（DRM）③開辟有聲讀物版權(quán)維護(hù)的新方向。通過數(shù)字版權(quán)保護(hù)技術(shù)的運(yùn)用，可以實(shí)現(xiàn)既可為讀者提供聲音和文字的雙重閱讀體驗(yàn)，也可以提高平臺的服務(wù)質(zhì)量，最終有利于版權(quán)保護(hù)，回避相應(yīng)的風(fēng)險。其次，作為專業(yè)提供有聲讀物的網(wǎng)站經(jīng)營者，在獲得語音或者文字授權(quán)時應(yīng)履行相應(yīng)的審查義務(wù)和合理注意義務(wù)，將侵權(quán)風(fēng)險降到最低。網(wǎng)站平臺應(yīng)該人身審查授權(quán)人的相關(guān)證明文件，確保授權(quán)的合法性。這一過程中應(yīng)該對原始著作權(quán)人的授權(quán)文件加以重點(diǎn)審查，避免因授權(quán)問題造成自身權(quán)利受損。

第二，相關(guān)立法和執(zhí)法部門要對有聲讀物的著作權(quán)進(jìn)行合理分類，加強(qiáng)有聲讀物獨(dú)立版權(quán)的保護(hù)，建立不同層級的保護(hù)標(biāo)準(zhǔn)。如上文提到的，使用AI轉(zhuǎn)錄有聲讀物字幕的問題實(shí)質(zhì)上是有聲讀物的著作權(quán)保護(hù)標(biāo)準(zhǔn)問題，我們不可以直接武斷認(rèn)為有聲讀物是否具有獨(dú)創(chuàng)性，或者僅認(rèn)為有聲讀物是錄音制品不具有獨(dú)立版權(quán)④，也不可能直接認(rèn)為有聲讀物是演繹作品、復(fù)制行為產(chǎn)物等，而應(yīng)該針對有聲讀物的具體內(nèi)容，對有聲讀物的法律屬性進(jìn)行科學(xué)認(rèn)定，對其內(nèi)容進(jìn)行科學(xué)區(qū)分。正如部分學(xué)者所言：“相關(guān)部門在制定有聲書行業(yè)標(biāo)準(zhǔn)時可以嘗試著進(jìn)行區(qū)分，把用機(jī)器語音技術(shù)讀出來的制品和用著名播音員演播出來的制品區(qū)分開來，設(shè)定一些體現(xiàn)獨(dú)創(chuàng)性的標(biāo)準(zhǔn)，把后者上升到作品層面，使其有獨(dú)立的版權(quán)”［11］。

《視聽表演北京條約》第5-11條規(guī)定了“精神權(quán)利”“表演者對其尚未錄制的表演的經(jīng)濟(jì)權(quán)利”“復(fù)制權(quán)”“發(fā)行權(quán)”“出租權(quán)”“提供已錄制表演的權(quán)利”“廣播和向公眾傳播的權(quán)利”。表演者上述權(quán)利應(yīng)該受到更加全面的保護(hù)，將表演者對現(xiàn)場錄制和傳播的控制擴(kuò)大至對錄制品本身的控制，而表演者和錄音制品制作者對作品的出租權(quán)則可以延伸至錄制品。在此基礎(chǔ)上應(yīng)該針對相關(guān)錄音制品的著作權(quán)進(jìn)行分類確認(rèn)和管理，因?yàn)橛新曌x物內(nèi)容提供商在其平臺上對于有聲讀物的制作方式采取不同方法，有聲讀物的法律定位也有不同。具體而言：（1）如果第三方或用戶制作的有聲讀物上傳到運(yùn)營商平臺上，此時平臺只是技術(shù)服務(wù)提供者，而非內(nèi)容提供者；（2）如果平臺自己制作有聲讀物，對作品進(jìn)行編輯處理，加上后期音效與剪輯等，則平臺本身就屬于內(nèi)容提供者；（3）如果有聲讀物平臺與主播簽訂了相關(guān)協(xié)議，約定好著作權(quán)的歸屬問題，按照相應(yīng)的比例進(jìn)行分成，那么有聲讀物平臺則僅為合作者。鑒于上述有聲讀物平臺的不同表現(xiàn)形式，應(yīng)針對有聲讀物進(jìn)行不同定位，從而確立有聲讀物的著作權(quán)屬性，更好地采取措施保護(hù)有聲讀物著作權(quán)，解決相應(yīng)的糾紛。

第三，探索有聲讀物平臺對有聲讀物語音和文字版權(quán)的一體化購買模式，減少糾紛發(fā)生的可能性。亞馬遜被訴案的起點(diǎn)雖然在于有聲讀物的著作權(quán)屬性，但是其導(dǎo)火線還是在于有聲讀物制作者和發(fā)布者與其文字作品著作權(quán)擁有者之間的糾紛問題。為了避免這方面的糾紛，最為根本的措施乃在于有聲讀物平臺要采取一定的著作權(quán)侵權(quán)風(fēng)險規(guī)避措施，典型的莫過于提前獲得相關(guān)權(quán)利人，尤其是作品著作權(quán)權(quán)利人的授權(quán)。然而，時下的授權(quán)模式無法適應(yīng)有聲讀物的發(fā)展趨勢。問題的關(guān)鍵在于，當(dāng)前的著作權(quán)授權(quán)模式采取的是“一對一”的授權(quán)形式，這種形式雖然具有一定的針對性，但是卻極大地增加了平臺的工作力度，不利于降低平臺成本和平臺的長效發(fā)展。在這種情形下，有學(xué)者直接提出“當(dāng)前需要設(shè)計(jì)出更為合理的授權(quán)模式，將音頻與版權(quán)打包授權(quán)”。這種模式不僅降低了文字制作者與有聲讀物平臺之間發(fā)生版權(quán)糾紛的概率，也把問題的解決辦法置于版權(quán)運(yùn)用之前，有聲讀物平臺與文字創(chuàng)作者、出版商之間提前簽訂合同，提取各自所需的內(nèi)容，有助于進(jìn)一步化解糾紛。

注釋：

①美國法律認(rèn)為，表演者表演他人的音樂作品是創(chuàng)作行為，因?yàn)橐魳纷髌繁旧硎且患煌暾淖髌?，需要通過創(chuàng)造性的表演讓人們更好地欣賞和理解。所以，在美國，任何對音樂作品的樂器演奏和演唱都可以構(gòu)成有獨(dú)創(chuàng)性的作品。同樣，由于美國版權(quán)法只要求作品具有最低限度的創(chuàng)造性，“捕獲聲音、編輯和編排”被認(rèn)為和攝影一樣，是一種與文字作品、音樂作品和美術(shù)作品等并列的法定作品類型。參見黃穎、劉娜《有聲書版權(quán)瓶頸探源》，載《出版廣角》2017年10月（上）。

②有學(xué)者認(rèn)為錄制者權(quán)也是一種鄰接權(quán)，因?yàn)榉烧J(rèn)為，錄音錄像是一種機(jī)械的復(fù)制行為。雖然我們認(rèn)為，錄音錄像不僅依賴于設(shè)備，還依賴于個人的技術(shù)水平，而且通常錄音錄像后期剪輯的時間比前期錄制的時間還要長，錄音錄像工作者在其中也付出了很多智力勞動，但是法律認(rèn)為錄音錄像制作中，機(jī)械錄制的成分還是多一些，錄制者受制于原作者的著作權(quán)，要取得許可并支付其報(bào)酬。參見黃穎、劉娜《有聲書版權(quán)瓶頸探源》，載《出版廣角》2017年10月（上）。

③DRM包括對信息的加密防護(hù)和信息破壞后的追蹤調(diào)查。通過信息加密技術(shù)可杜絕有聲讀物數(shù)字信息的泄露，攔截外界侵?jǐn)_，如有意外發(fā)生，將利用媒體指紋、數(shù)字摘要和水印等手段舉證維護(hù)自身權(quán)利。參見初曉旭《新媒體環(huán)境下有聲書版權(quán)侵犯問題與應(yīng)對策略》，載《出版發(fā)行研究》2018年第9期。

④實(shí)質(zhì)上，有聲讀物之所以受到著作權(quán)法的保護(hù)乃是因?yàn)樗耆献髌返囊蛘呤亲髌返膫鞑バ问?。參見冷協(xié)凡《有聲讀物著作權(quán)保護(hù)探究》，華南理工大學(xué)碩士論文，2017年。