换脸换声、版权侵权 生成式AI使用如何筑牢“防火墙”？

中国互联网络信息中心日前发布了《生成式人工智能应用发展报告（2025）》。报告显示，我国生成式人工智能产品用户规模已达5.15亿人。报告同时也提出，随着生成式人工智能的高速普及，其带来的换脸换声、版权侵权、学术滥用等问题也越发凸显。这些问题在实践中存在哪些表现？如何治理和应对这些风险挑战？

利用AI换脸换声生成虚假广告案件频发

生成式人工智能的多模态能力，可以让用户轻易给视频中的人物换脸换声，甚至直接生成完全虚构的视频，给不法分子带来可乘之机。近期就发生了多起AI换脸换声，生成虚假广告的案件。比如，有的伪造奥运冠军推荐土鸡蛋，还有的伪造医生形象推销保健品，严重误导公众。

这些换声和换脸的AI深度合成是如何制作出来的呢？面对这些以假乱真的视频，又该如何识别？

业内人士告诉记者，随着AI换声换脸技术的越来越成熟，已经足以达到以假乱真的地步。分辨一段视频或者声音是否是经过深度合成，最好的办法还是通过AI去识别，即用AI去识别AI。

人工智能大模型研究员 潘季明：从技术角度来说，最快的方式还是基于AI的方式去进行识别，如专门的深度伪造鉴别模型，用于分析视频和音频中的不自然的特征，如检测眨眼频率、面部肌肉运动的生理一致性、音频与纯嘴唇同步率、光源一致性等细微的物理或生理破绽。

专家：治理核心在于全面落实内容标识制度

近两年，AI深度合成名人、换脸换声的视频层出不穷、屡禁不止。对此，专家表示，治理的核心在于全面落实内容标识制度。

北京航空航天大学法学院副教授 赵精武：我国自2025年9月起正式施行了《人工智能生成合成内容标识办法》，其中明确要求，所有AI生成的文字、图片、视频等内容必须添加显式标识以"亮明身份"，同时鼓励添加数字水印等隐式标识。平台企业应当依据《人工智能生成合成内容标识办法》，从源头嵌入标识机制，为AI生成内容附加不可篡改的数字水印，并确保这些标识在经过剪辑、压缩后仍能被准确识别。

专家表示，AI深度合成的使用者在通过AI制作视频时，应该有一条侵权法律界限，要合规合法使用人工智能深度合成。

北京航空航天大学法学院副教授 赵精武：在明确合法性边界方面，需要严格区分AI换脸技术的合法应用与非法滥用的边界。合法应用通常包括影视制作、教育教学、医疗康复等具有正当价值的场景，这些应用需遵循法律上规定最小必要原则，确保使用范围和目的相匹配，并获取相应授权。而非法滥用则主要表现为未经授权的肖像冒用、虚假信息传播、淫秽色情内容制作等场景。

AI大模型训练引发版权问题 矛盾怎么破？

再来看人工智能带来的版权侵权问题。早在去年10月，文学界、音乐界等超万名人士发表了一份联合声明，谴责“未经许可使用创意作品来训练生成式人工智能”的行为。人工智能大模型使用的数据为何会引起版权争端，又该如何破局，来听听专家怎么说。

AI业内人士告诉记者，目前人工智能大模型训练的数据，绝大多数来自于网络，这些数据就包括含有版权的相关数据。

人工智能大模型研究员 潘季明：现有的大模型都是基于海量的数据进行训练的，其来源包括像互联网数据，以及图书、论文、行业数据等，经过数据预处理，通过无监督学习、微调、强化学习之后，便可用于内容生成。然而模型是没有版权意识的，它不知道哪些内容是涉及版权，哪些不能随便生成，除非对现在数据进行一个明确的版权标识。现在的大模型基本上不管有没有版权，都会去进行一个数据抓取训练。

针对人工智能大模型涉及的版权问题，专家表示，发展人工智能不能以牺牲版权为代价，两者和谐共生应以尊重知识产权为前提。

北京航空航天大学法学院副教授赵精武介绍，AI开发运营者需建立全面的著作权合规机制，包括：在训练数据收集阶段进行版权审核，优先获取授权和使用开放许可的资源；在模型训练过程中保留数据来源记录；在内容生成环节嵌入防抄袭检测；在输出阶段需要添加版权标识和水印。

另一方面，主管部门需要扩充训练数据供给渠道，化解训练数据不充分与版权的冲突困境。

学生和研究人员滥用AI写论文抄作业引关注

除了刚才说到的问题，报告中也提到，学生和研究人员将生成式人工智能用于写论文、抄作业的情况也正引起各界关注。

专家表示，随着生成式人工智能在学术研究中的广泛应用，学术诚信体系面临前所未有的挑战。简单的禁止措施已被证明效果不彰，且难以执行。“堵不如疏”的治理理念正成为全球学术界的共识，其核心在于认可AI技术提升科研效率的积极价值，同时通过规范引导确保其应用不损害学术诚信。

北京航空航天大学法学院副教授 赵精武：在教学活动中，教师应当设置专门环节引导学生正确使用AI工具，将该类工具从“偷懒”“图省事”的错误定位调整为“提升学习效率”“辅助科研”的正确功能定位，明确它的辅助定位的属性。同时，教师还需要设计能够评估学生思维过程的考核方式，减少对纯文本输入的依赖，增加过程性评价比重。