4.2 版权边界

4.2 版权边界

本节摘要：本节把全书反复出现的那句版权合规提醒拆成可执行的知识与动作。第一层是三类客体的授权速览：图片素材、音乐、字体——授权类型各有谱系（公有领域贡献、署名授权、免版税、订阅制、编辑用途限制），坑位也各有分布（音乐的署名与衍生限制、字体的商用分档、肖像权的独立存在）。第二层是 AI 生成内容的版权现状：生成物本身的可版权性在各法域结论不一、训练数据的授权争议尚未收敛、平台的标识义务正在成为普遍要求——三件事的共同点是没有全球统一答案，以当地法规与平台当期政策为准，本书给的是检查框架而不是法律结论。第三层是发布前合规清单：八项检查从授权链、肖像、商标、音乐、字体到标识义务，逐项过签才导出。第四层把清单写进流水线：素材元数据缺 license 字段即拦截，导出段自动生成 compliance.txt——合规是流水线的一段代码，不是一条事后想起的备注。

学习目标

• 说出图片、音乐、字体三类客体的主要授权类型与各自的高频坑位。
• 描述 AI 生成内容版权现状的三个未决问题，并给出正确的应对姿态。
• 使用八项发布前合规清单，逐项说明检查对象与证据留存。
• 把合规检查写进流水线：元数据拦截与合规报告自动生成。

一、三类客体的授权类型

三条通用原则。授权看书面不看口头：客服说可以、博主说没事，都不如条款原文。肖像与商标是独立权利：一张授权完好的照片，若含可识别人物，用于商业叙事仍需肖像授权；镜头里扫到的商标同理。「非商业」的边界很窄：带引流链接的账号内容，在不少平台口径里已经算商业使用。

「授权看书面」怎么落进流水线？靠随行元数据。每件外来素材入库时带一个同名 JSON（4.1 节的 sidecar 约定），授权信息记成字段：

# bgm_night_rain.meta.json —— 一段外来 BGM 的随行元数据（示意）
{
  "file": "assets/bgm/night_rain_loop.wav",
  "source": "曲库订阅服务，订单页在账号内可查",
  "license": "免版税商用授权，订阅有效期内可用",
  "expire": "2027-08-01",
  "evidence": "licenses/night_rain_order.pdf",
  "notes": "无署名要求；允许剪辑改编；转授与单独分发不可"
}
​

字段里 expire 与 notes 最常被忽略，也最容易出事：订阅到期后已发布内容是否仍被覆盖、改编权限是否单列，这两问的答案就应当写在这里——写不清楚的，一律按「不可用」处理，让素材在入库闸门就被拦下，而不是发布后才补救。

二、AI 生成内容的版权现状

三个问题都处在演进中，正确的姿态是跟踪而非站队。生成物可版权吗：多法域对「纯 AI 生成、无人类创作性投入」的作品倾向不予或限制保护，对「人机协作、有人类创作性选择」的口径不一——对生产者的直接含义是：你的分镜、剪辑、脚本结构这些人类创作部分才是最可靠的保护对象。训练数据争议：各模型供应商的训练数据授权面临持续诉讼与整改，选择供应商时读一遍其就训练数据作出的声明与赔偿条款（indemnity 条款，若提供）。标识义务：AI 生成内容的显式或隐式标识正在成为多方法规与平台规则的普遍要求，具体形式（水印、元数据、发布时勾选声明）以当地法规与你发布平台的当期政策为准。本书每章末尾的合规提醒行，对应的就是这一条。

三、发布前合规清单

八项检查，逐项过签、证据落 deliver/compliance.txt：

清单的第 5 与第 8 项对应本书的示例纪律：不用真人肖像、不仿冒知名作品——这不只是合规，也是生成模型内容审核通过率的技术保障（第 3.1 节的审核拒绝失败类型）。

清单的使用节奏也有讲究：它不是发布当天的一次性动作，而是随流水线滚动累积——第 1、2 项的证据在素材入库与生成段跑完时就该齐，第 3 项在选定发布平台后补，第 5、8 项在分镜过审（第 2.3 节）时顺手完成。发布前的逐项过签只是最后的核对：所有证据都应在位，过签时只做「确认存在」，不做「临时补做」。

四、把合规写进流水线

清单靠人记会漏，写进代码才稳。两道工序：入库拦截与导出收口。

# export_compliance.py —— 导出段自动生成合规清单（骨架示意）
import json
from pathlib import Path

REQUIRED_META = {"file", "source", "license"}

def check_assets(asset_dir):
    problems = []
    for meta_path in Path(asset_dir).glob("*.json"):
        meta = json.loads(meta_path.read_text(encoding="utf-8"))
        missing = REQUIRED_META - set(meta)
        if missing:
            problems.append("%s 缺字段：%s" % (meta_path.name, sorted(missing)))
    return problems

def write_report(video_path, problems):
    lines = [
        "成片：%s" % video_path,
        "AI 生成内容标识：已按当地法规与平台要求履行（此处填写具体方式）",
        "素材核查：%s" % ("全部通过" if not problems else "存在未确认项，暂停发布"),
    ]
    lines.extend("待处理：%s" % p for p in problems)
    Path("deliver").mkdir(exist_ok=True)
    Path("deliver/compliance.txt").write_text("\n".join(lines), encoding="utf-8")
​

入库拦截在素材段（第 4.1 节的 sidecar 缺 license 字段即拒绝入库），导出收口在导出段（compliance.txt 有待处理项则流程标记为不可发布）。两道工序把「授权不明不进时间线」从口号变成分支判断。发布侧的完整流程（各平台规范差异、标识的具体操作）在第 11 章（后半本）展开。

五、合规走查：八项清单过一遍

拿彩虹片的一个变体把八项清单走一遍：六镜画面全部生成或程序绘制，外加一段外来 BGM，字幕内嵌一款商用字体。逐项过签：

走查的关键体会：八项里只有第 1、6、7 项依赖外来凭证，其余五项的证据本来就长在流水线里——生成日志、审片记录、任务清单都是现成产物。合规做得早，收口就是「把已有文件抄一遍目录」；做得晚，就是发布前夜的手忙脚乱。若变体再进一步——换成一张授权完好的实拍照片做出镜画面——第 4 项立即从「注明无人物」变成「调肖像授权文件」，清单结构不变，证据换货：这正是清单的价值，场景变了，检查项不变。

另一个方向的变体是零外来素材的纯生成片：第 1、6、7 项自动通过，但第 2 项与第 3 项的分量反而变重——全部画面都是生成物，生成清单与标识义务成为清单的主角。八项清单是固定框架，每条片子只是各项目的权重不同。

六、常见问题与排查

问：「免版税」是不是就是免费？ 不是。它是一种授权计费模式的名称——不按每次使用另行收取版税，但获取授权本身可能要付费（买断或订阅）。看到「免版税」三个字就当免费素材用，是最高频的误读。问：订阅到期后，已发布的视频要下架吗？ 没有统一答案，逐平台核实条款——有的授权覆盖「订阅期内发布并持续存在的作品」，有的到期即收回。把到期日写进 sidecar 的 expire 字段，到期前主动复核一次。问：平台的内容识别机制命中索赔怎么办？ 先别慌，也别直接认罚：拿授权凭证走平台申诉通道；申诉不成立或凭证覆盖不了当前用途，换曲重发。问：AI 标识到底怎么标？ 以当地法规与发布平台的当期政策为准——水印、元数据、发布时勾选声明都是常见形式，具体操作在第 11 章（后半本）展开；能落进 compliance.txt 的是「标了什么、在哪标的」这条记录本身。

问：生成的虚拟人脸也要肖像授权吗？ 清单第 4 项的检查口径是「可识别人物」——纯生成、不指向任何真实人物的虚拟形象，通常以生成记录作为凭证即可；但生成结果若与真实人物高度近似，按可识别从严处理，重生成或调整设定卡（第 3.2 节）避开相似性，比事后解释便宜得多。

本节要点回顾

• 三类客体三张坑位表；授权看书面，肖像与商标是独立权利，「非商业」边界很窄。
• AI 版权三问皆未决：生成物保护有限、训练数据争议未收敛、标识义务成为普遍要求。
• 八项合规清单逐项过签，证据落 compliance.txt。
• 合规进代码：入库拦截加导出收口，口号变分支判断。

素材与边界都齐了，下一章进剪辑机房——ffmpeg 与 moviepy 把一堆片段拼成一条时间线，还有一条 HTML 渲染的新路线。