AI 内容创作 / 系统课时
肖像、声音与数据授权
肖像、声音与数据授权
数字人项目在采集、训练、合成和发布各阶段都会使用人物形象、声音与数据资源。本课将把授权对象、用途、期限、地域、衍生使用和撤回机制拆成可审计记录,避免“拿到素材就能永久使用”的错误判断。
学习目标
- 能够区分肖像、声音、原始数据、模型资源与生成结果的授权边界。
- 能够设计包含用途、范围、期限和撤回条件的授权记录。
- 能够在生成或发布前通过机器校验阻止越权使用。
授权对象与权利链
数字人项目至少包含五类对象:人物肖像、声音样本、原始训练数据、训练或适配后的模型资源,以及最终生成的音视频内容。它们可能属于不同权利人,也可能受到不同合同、平台条款和法律规则约束,因此不能用一份笼统的“素材授权书”覆盖全部环节。
在中国大陆项目中,先分别核对人格权益、个人信息处理依据与素材或模型许可证。《民法典》第 1019 条规定肖像权保护及许可的一般要求,第 1020 条列有合理使用情形,第 1023 条规定自然人声音的保护参照肖像权保护。最高人民法院发布的典型案例涉及使用可识别声音制作 AI 文本转语音产品,素材录制的授权范围是判断的重要事实。民法典 · 最高人民法院典型案例
《个人信息保护法》第 13 条列出处理依据,第 14–15 条规范基于同意的处理和撤回。互联网深度合成服务在适用《互联网信息服务深度合成管理规定》时,提供人脸、人声等生物识别信息编辑功能的提供者和技术支持者应提示使用者依法告知被编辑者并取得其单独同意。向境内公众提供的生成式人工智能服务还应结合《生成式人工智能服务管理暂行办法》第 2、7 条核查训练数据来源、知识产权和个人信息处理依据。个人信息保护法 · 深度合成管理规定 · 生成式人工智能服务管理暂行办法
把录制、训练、合成、发布和再许可拆开核对。同一声音素材允许内部课程演示,权限可以限定为同一租户、内部播放器和特定期限。公开投放或授权给另一团队时需重新匹配实际活动。

| 对象 | 需要明确的核心问题 | 典型证据 |
|---|---|---|
| 肖像 | 是否允许数字化重建、公开展示和商业传播 | 肖像授权协议、身份确认、项目范围 |
| 声音 | 是否允许录制、克隆、合成和持续复用 | 声音授权协议、样本清单、用途说明 |
| 原始数据 | 数据来源是否合法,是否允许训练与再处理 | 数据清单、来源证明、许可条款 |
| 模型资源 | 权重、适配参数和第三方模型能否部署或转授权 | 模型许可证、采购合同、版本记录 |
| 生成内容 | 是否允许发布、修改、再分发和商业使用 | 发布审批、内容编号、渠道记录 |
可审计授权记录
授权记录应分别关联被编辑者、权利人、被许可方和资产版本,并保留用途、操作、渠道、地域、起止日、证据引用、修订版本及撤回状态。证据摘要能帮助核对文件完整性,权利链与主体身份还需单独验证。不同用途和渠道的组合应分别授权,避免将“允许内部演示”和“允许某类宣传投放”误合并成任意组合。
完整可运行示例
保存为 authorization_check.py。服务从可信授权库按编号和版本读取当前授权,从认证会话取得账号,从受控路由或任务定义取得渠道、地域与操作类型,使用服务端日期判断。本地测试显式传入日期。示例只校验一项操作对应的一份已审批授权,语音和肖像并用时应分别校验。
from dataclasses import dataclass, replace
from datetime import date
OPERATIONS = frozenset({"record", "train", "synthesize", "publish", "sublicense"})
@dataclass(frozen=True)
class Scope:
asset: str
actor: str
purpose: str
region: str
channel: str
operation: str
@dataclass(frozen=True)
class Grant:
version: str
scope: Scope
starts_on: date
ends_on: date
evidence_ref: str
revoked: bool = False
def authorize(grant: Grant | None, request: Scope, today: date) -> str:
if request.operation not in OPERATIONS:
return "unknown_operation"
if grant is None or not grant.version or not grant.evidence_ref:
return "missing_approval"
if grant.revoked:
return "revoked"
if not grant.starts_on <= today <= grant.ends_on:
return "outside_dates"
if request != grant.scope:
return "outside_scope"
return "allow"
if __name__ == "__main__":
scope = Scope("voice-v3", "studio-12", "course-demo", "CN", "internal", "synthesize")
grant = Grant("grant-08/v2", scope, date(2026, 8, 1), date(2026, 12, 31), "proof-18")
today = date(2026, 8, 4)
print("synthesis:", authorize(grant, scope, today))
print("training:", authorize(grant, replace(scope, operation="train"), today))
print("unknown:", authorize(grant, replace(scope, operation="export-model"), today))
print("revoked:", authorize(replace(grant, revoked=True), scope, today))python authorization_check.pysynthesis: allow
training: outside_scope
unknown: unknown_operation
revoked: revoked入队和实际处理、发布前分别读取当前授权状态。审计只记录决策编号、授权版本、用途、时间及结果,证据文件按权限另存。若授权可在审核与提交之间撤回,发布系统还需要在提交时校验当前版本或使用可撤销的发布许可;已经在传播渠道的作品另走下架与通知流程。
撤回、到期与数据处置
撤回后,及时停止依赖该同意的新任务,定位已排队和运行的任务,并分别清点公开成品、原始样本、特征、缓存、备份及模型副本。根据《个人信息保护法》第 15 条,撤回同意不影响撤回前基于同意已进行的处理活动效力;第 47 条规定了主动删除的情形。若法定保留期未届满或技术上难以删除,应停止除存储和必要安全保护以外的处理。为备份安排隔离、清理期限和恢复时重新应用删除清单。个人信息保护法
到期可提前预警。某个模型权重或生成成品的处置要看许可条款、可识别性、数据是否可分离及适用规则。记录受影响的版本和用途,暂停受影响的处理以完成判断。
发布前验收至少检查:资产与授权记录一一对应;用途、地域、渠道和时间均在范围内;训练、合成与发布权限分别明确;第三方模型许可证允许当前部署方式;撤回和到期任务可执行;审计日志能追溯到具体内容编号与授权版本。
常见风险与控制
“人物同意录音”常被误解为“同意声音克隆”,修复方式是把录制、训练、合成和发布拆成独立授权项。“数据来自公开网络”也不代表可直接训练,应核对来源条款、个人信息处理基础和再利用限制。
另一个风险是授权范围与实际配置漂移。业务更换渠道、地区或用途后,如果系统仍沿用旧授权,越权会在发布阶段才被发现。控制方法是让生成请求携带 asset_id、用途、地域、渠道和操作类型,并在任务入队前完成强制校验,拒绝结果必须可解释、可追踪。
本课总结
- 肖像、声音、原始数据、模型资源和生成内容是不同授权对象,不能由笼统许可自动覆盖。
- 有效授权必须明确用途、地域、期限、操作类型、再授权和撤回条件,并保留版本化证据。
- 生成与发布系统应采用默认拒绝和审计记录,在过期、撤回或范围不匹配时阻止任务。
下一课预告
下一课将把处理目的、允许访问的服务、最短保存时间和删除路径写成可验证的隐私策略。