在全球數(shù)字圖書和閱讀器市場中，亞馬遜形成了某種意義上的強勢，其旗下的Audible也是有聲書出版和發(fā)行市場的領頭羊。風光無限亦有煩惱，近日，亞馬遜旗下的有聲讀物公司Audible，被7家圖書出版商以著作權侵權為由，訴至美國紐約南區(qū)法院。
7家出版商稱Audible的字幕服務侵犯了圖書版權，要求聯(lián)邦法官禁止Audible在一個與教育有關的服務中使用文字內容。
值得關注的是，Audible只有權出售有聲讀物，但和聲音匹配的字幕是由AI自動生成的，并未購買版權。那么AI轉錄生成的文字是否侵害著作權？因為此前沒有先例， 7家出版商正不斷尋找阻止Audible發(fā)布該服務的方法。
出版巨頭與有聲讀物領頭羊的“斗爭”
先來聊聊這場閱讀領域“神仙打架”般的訴訟始末。
2008年，亞馬遜以3億美元收購Audible。Audible是一家擁有24年歷史的公司，以有聲讀物聞名，如今，它也已成為播客行業(yè)和其他形式的音頻娛樂領域的一大參與者。2018年，Audible表示，它的可聽用戶下載了近30億小時的音頻。
今年7月Audible宣布將在今年秋季學生返校時正式推出“Audible字幕”服務。通過這項服務，讀者在聽有聲閱讀時能夠在智能手機屏幕看到AI自動生成的單詞。據(jù)外媒報道，Audible將向學生免費提供《第二十二條軍規(guī)》和《饑餓游戲》的字幕圖書。Audible公司創(chuàng)始人唐·卡茨(Don Katz)表示，該服務將幫助那些讀書困難的年輕人。
但這引起了7家出版商的不滿。它們分別是五大出版商：Hachette，HarperCollins，Macmillan，Penguin Random House和Simon＆Schuster，另外還包括總部位于舊金山的出版商Chronicle Books和Scholastic，這家兒童出版商擁有《哈利·波特》和《饑餓游戲》的出版權。
出版商們認為，Audible字幕服務采用了出版商專有的有聲讀物，將敘述內容轉換成未經授權的文本，并分發(fā)這些新電子書的全部文本，未經許可就實施這樣的服務是美國版權法直接禁止的典型侵權行為，于是將Audible起訴至紐約南區(qū)法院。而Audible的音頻書許可證里并不包括文本版本，且機器生成的轉錄還可能會發(fā)生損害作品質量的錯誤。
出版商稱：“如這項服務不被禁止，Audible將自行采用一種數(shù)字發(fā)行格式，使交叉格式產品市場貶值，并損害出版商、作者及消費者的利益?！?/p>
但Audible在一份聲明中辯稱，字幕服務只是作為一種教育功能，旨在幫助年幼的孩子并提高識字能力， “它不是，也從未打算成為一本書?！盇udible發(fā)言人詳細說明了Audible字幕和正確的電子書之間的差異及對聽眾的限制，稱這項AI提供的服務或功能與電子書的關鍵區(qū)別是無法翻頁，用戶在收聽時必須等待每一行文本逐步生成。
該案在美無先例 對當事人雙方均是挑戰(zhàn)
那么，問題來了，AI轉錄音頻為文字是否構成對書面作品版權的侵犯？
美國亞太法學研究院執(zhí)行長孫遠釗表示，將音頻內容以文字呈現(xiàn)，無論是以人工智能或真人人工的方式來操作，都是把特定的既存作品轉化為文字記錄的行為，在一定程度上與在影視節(jié)目中呈現(xiàn)字幕非常類似。依據(jù)美國《著作權法》第101條的定義，這樣的呈現(xiàn)可構成“派生作品”（derivative work，也稱為“衍生性作品”），即屬于對既有作品從事翻譯或是以任何形式重新改寫（recast）、轉型（transformed）、改編（adapted）或修飾（modified）。而美國《著作權法》第106條第（2）項也有明文授權，權利人可以排除他人基于其著作權所從事未經許可的派生行為。因此，未經過權利人（原告五大出版商）合法許可而從事此種行為具有較高的侵權風險。
而Audible在本案中是否侵害著作權？孫遠釗認為，是否構成侵權必須依據(jù)個案的具體事實來認定。此外，該案的關鍵爭點并不是認定通過人工智能所從事的語音—文字轉化是否可以享有著作權的保護，人工智能在此只是一個輔助被告產品達成其功能和目標的一個主要工具。
孫遠釗稱，該案中被指控侵權的行為并不是由具有特定人工智能的機器、裝置或軟件真正和完全“自發(fā)性”地發(fā)動、從事和完成。人工智能操作的背后依然需要依靠自然人的操作來啟動（包括在相關的軟件中預設好特定的操作指令）。因此該案所要處理的侵權爭議與傳統(tǒng)的侵權案件相比并無特別不同之處。
美國《著作權法》第106條明確了作品的權利人享有排除對其作品從事復制（reproduce）、派生、散布（distribute，包括銷售、出租、出借或其他轉讓所有權）、公開演出（public performance，主要適用于文學、音樂、戲劇、舞蹈、默劇、電影及其他影音作品）、公開展示（public display，主要適用于文學、音樂、戲劇、舞蹈、默劇、圖畫、圖形或雕塑作品）與公開表演（在此是專指對錄音作品從事數(shù)字化的傳輸行為）等六種權屬。美國的法律迄今沒有明文賦予權利人“信息網絡傳播權”，但經美國版權局的一項專題研究，認為現(xiàn)行規(guī)制的這六項權屬，尤其是對復制權、散布權和公開演出權的保護，已經足以涵蓋信息網絡傳播權的同等范圍，因此沒有修法的必要。
該案或涉及對原告作品復制權、派生（改編或改作）與散布權的侵權行為。如果是發(fā)生在中國，可能涉及到的則是對原作者復制權、發(fā)行權、改編權、翻譯權與信息網絡傳播權的判定。
由于該案所呈現(xiàn)的事實在美國系首次發(fā)生，對于雙方當事人而言都具有一定的挑戰(zhàn)性。原告或將主張，“音頻轉文字”就如同翻譯，應被認為構成派生行為，且在被告的實際操作過程中，也可能涉及對于原作品的部分甚至全部內容的未經許可的復制與散布（包括信息網絡傳播），從而構成直接侵權。另外在策略上，作為補強式的主張，原告亦可能以被告的裝置或軟件為由而主張不構成直接侵權，但以此為標榜，促成對原告所擁有作品的間接侵權（可能包括輔助責任（contributory liability）與代理責任（vicarious liability），視案件具體情形而言還可能夠成誘使侵權（inducement）等）。
而被告則可能用“Cablevision抗辯”主張其行為不構成直接侵權，亦即，依據(jù)聯(lián)邦第二巡回上訴法院在Cartoon Network, LP v. CSC Holdings, Inc.,536 F.3d 121 (2d Cir. 2008)案的判決，主張通過轉化把音頻變?yōu)槲淖质莻€連續(xù)性的過程，其中每個句子都只會短暫停留，無法長期保存，這并不是將原告所屬的作品復制生成另一本書，亦即，不斷改變的文字以“跑馬燈”的方式在視頻上呈現(xiàn)，而從頭到尾并沒有真正完成一個完整的書籍復制品。
至于在間接侵權方面，被告可能提出“Sony Betamax抗辯”，以此主張合理使用，亦即根據(jù)美國聯(lián)邦最高法院在1984年Sony Corporation of America v. UniversalCity Studios, Inc., 464 U.S. 417(1984)案的判決（通稱Sony Betamax案），抗辯這項“音轉文”的功能或服務能夠“在商業(yè)上有相當程度用于非侵權性的使用”（capable of commercially significant non-infringinguses）。
但該服務尚未正式推出，該案也是原告斧底抽薪的舉措——企圖用訴前禁令讓被告的產品或服務“胎死腹中”。在此情況下，被告若提出上述抗辯，在舉證方面將有較大難度。
AI+IP仍面臨關卡 侵權責任難認定
事實上，提及AI+ IP，國內讀者們或許會想起2017年5月，“小冰”創(chuàng)作的詩集《陽光失了玻璃窗》正式出版，這部詩集是“小冰”在學習了519位詩人的現(xiàn)代詩、訓練超過10000次后創(chuàng)作完成的。
除微軟“小冰”外，還有諸多公司也開發(fā)了眾多人工智能產品，用于創(chuàng)作各類文學和藝術“作品”。谷歌開發(fā)的人工智能DeepDream可以生成繪畫，且其畫作已經成功被拍賣；騰訊開發(fā)的DreamWriter機器人、今日頭條的Xiaomingbot可以根據(jù)算法自動生成新聞稿件，并及時推送給用戶。
中國人民大學法學院教授萬勇在其作品《人工智能“作品”，著作權誰屬》中指出：與以往技術創(chuàng)新相比，人工智能技術對著作權法提出的挑戰(zhàn)是最根本，也是最全面的。
對此，孫遠釗稱，AI+IP的發(fā)展目前仍處在初步的討論階段，但其中的意見分歧相當大，包括純粹由人工智能所完成的成果是否具有“獨創(chuàng)性”從而應否賦予著作權的保護？反言之，由于目前的人工智能大多數(shù)需依賴大量“吸收”既有的文獻資料來協(xié)助機器從事“深度學習”，因此，當其結果出現(xiàn)疑似“抄襲”現(xiàn)象時，是否可承擔相關的侵權責任？
同理，若認為應對人工智能的成果賦權，假定其背后的“深度學習”是來自于1000個不同的來源或對象，那么這1000位有貢獻的人是否都應作為共同權利人？若某個權利擁有多個共同所有人，那么，任何的許可、運用都必須經過所有權利人的一致同意，在眾口難調的情況下，這樣的賦權是否具有實益？
此外，除技術發(fā)展和法律賦權問題外，從實際的應用來看，人工智能目前還存在一些難以突破的關卡：
（1）人類無法賦予并要求機器從事道德和價值的判斷（如何在什么樣的不同場景下來區(qū)分好壞是非，事實上即便是在同一個國家之內，對于同一件事情都可能同時存在多種不同的道德觀或價值判斷因素）；
（2）人工智能固然對于特定的領域可以從事深度的學習并給出不同的分析結論，但卻難以對不同的領域之間從事橫向的關連性聯(lián)系與類比；
（3）人工智能沒有情感，因此無從把非理性的因素納入，作為考量、分析與篩選特定狀況和問題的基礎。
而近期出現(xiàn)的一個有趣的現(xiàn)象是，完全通過人工智能來撰寫發(fā)明專利申請的新聞報道出現(xiàn)了。其背后所蘊含的問題是，相關的潛在責任與風險承擔應當如何界定分配？
截至目前，盡管AI+IP的發(fā)展仍然存在諸多問題與關卡，但可喜的是，該案的出現(xiàn)的確提供了一個機會，它讓司法能夠處理涉及到受著作權保護的作品，引導人們思考，其周邊由第三方所提供的“服務”究竟界限范圍應當如何厘清？標準是什么？在美國，在電信和對于殘疾人士保障的法規(guī)原則上，要求各種音像作品必須在播放時附帶提供所有內容的字幕以供觀賞者選擇呈現(xiàn)，這就意味著其中蘊含了非常大的商機。
反應到網絡環(huán)境中，該案的判決結果有望明確對音頻的許可是否包含對該音頻進行文字轉化的許可。
