音訊浮水印本該撐過整個網際網路，我們的卻死在第一台轉碼器裡
我們在一首曲目中嵌入了浮水印，讓它通過我們手上的每一項測試，並看著它存活下來。三種位元率的 MP3 壓縮——存活。經過消費級播放器的來回轉換——存活。接著我們把檔案交給一家發行合作夥伴，其匯入鏈在音訊送達聽眾之前會把一切重新編碼為 Opus，浮水印就消失了。不是變弱，是消失。歌曲從另一端出來時乾淨無瑕、沒有標記，與一個從未攜帶任何來源證明的檔案毫無分別。
那個早晨，我終於明白，音訊來源證明——也就是證明一段音訊源自何處、且它確實是其所宣稱之物的能力——並不是浮水印問題，而是存活問題。一個只能活在你實驗室裡、卻在真實內容旅程中死去的浮水印，比沒有浮水印更糟，因為它會在你其實沒有受到保護時，告訴你你受到了保護。
我經營一支小團隊，專門為媒體公司打造音訊授權、浮水印與來源證明流程。我想告訴你我們如何把產品做錯了、歐盟《AI 法案》即將強加給這個行業中每一個人的要求，以及為什麼真正困難的部分從來都不是演算法。
我押下的賭注，在六週內土崩瓦解
我們起步時，這個說法很乾淨，而我也相信它：生成式音訊工具在法律上如同放射性物質，所以就當那個安全的替代方案吧。如果你用 Suno 或 Udio 製作商業曲目，你等於是在租一場官司。我們則會打造有授權、可辯護的路徑——委製的聲音、乾淨的權利鏈、零版權暴露。我把這個故事賣給了我自己的團隊，也賣給了我最早接觸的那些買家。
然後地基動搖了。2025 年 10 月 30 日，環球音樂集團（Universal Music Group）與 Udio 和解，並簽署了一項策略協議，共建一個將於 2026 年推出、以 UMG 核准語料庫訓練的全新授權平台。不到四週後，11 月 25 日，華納音樂集團（Warner Music Group）與 Suno 和解，並宣布成立合資企業，打造有授權、選擇加入（opt-in）的 AI 音樂。我用來建立整家公司的「你等於是在租一場官司」論點，在六週的時間窗內就軟化了。
有那麼幾天，我深信我們錯過了市場。我們並沒有——但我必須停止以供應商的身分讀這些新聞，改以我多年來一直扮演的權利技術架構師身分去讀。當我細看實際的和解條款時，買家的痛點並沒有消失，而是移轉了。
授權工具解決了官司，卻造出了一座新的牢籠：圍牆花園。
讀讀那些和解協議的細則。在 Udio 的過渡產品中，使用者無法下載或匯出他們製作的作品——創作被鎖在服務內、只供消費使用。在 Suno 全新的授權模型上，只有付費層級的訂閱者才能下載到平台外，而且那些下載還有上限。一家需要讓資產跨足廣播、串流、社群、院線與遊戲內發布的媒體公司，無法使用一個不讓資產離開大樓的工具。法律問題有了答案，所有權與可攜性的問題卻仍然大敞著。
那麼，現在究竟壞掉了什麼？
一旦我不再捍衛舊有的論點，買家的問題就化解成了三個提問，而其中沒有一個是「這合法嗎」。
第一個是可攜性。圍牆花園的產出無法遷移，而大多數商業使用情境在開始之前就已破局，因為資產無法送達一場行銷活動或一次發行所觸及的每一個平台。
第二個是可註冊性，而這出乎人們意料。美國著作權局（US Copyright Office）自 2025 年初以來便認定，僅憑提示詞產生的產出不受著作權保護。因此，即便是一首純淨、有授權的 AI 曲目，也可能無法取得著作權——這意味著競爭對手可以毫無顧忌地免費搭你的 AI 廣告配樂便車，而你沒有任何下游智慧財產權可供捍衛。2025 年 9 月的 Anthropic 和解案中，一位聯邦法官認定，以盜版素材進行訓練屬於轉化性使用，但對它的取得則屬不當，於是在檯面上擺出了一個大約每件作品 3,000 美元的數字，音樂產業分析師將其視為地板價，而非天花板。法律風險並未隨著和解而消失，只是換了個形態。
第三個是可偵測性，而它還附帶了一個日期。
倒數計時：歐盟《AI 法案》第 50 條，2026 年 8 月 2 日
這篇文章裡其他每一個問題，理論上你都可以選擇與之共存。而這一個問題有日期、也有數字，正是它讓一個買家從「有興趣」邁向「簽約」。根據歐盟《AI 法案》第 50 條，自2026 年 8 月 2 日起生效，任何系統會生成合成音訊的人，都必須以機器可讀的格式標記其產出，使其可被偵測為人工生成。歐洲執委會於 2026 年 1 月公布的第一版《行為準則》草案，明確載明了操作面的要求，而這正是大多數人忽略的部分：光有中繼資料（metadata）並不足夠。該準則力推一種多層次的做法——嵌入式中繼資料（例如 C2PA 資訊清單）以及難以察覺的浮水印。根據第 99 條，罰則最高可達 1,500 萬歐元，或全球營業額的 3%。
所以，一家媒體公司如今的處境是這樣的。若你觸及歐盟的閱聽眾，你就必須在 8 月 2 日之前讓一套標記與浮水印流程上線運作。浮水印必須熬過真實的內容旅程——也就是殺死我們那個浮水印的旅程。而中繼資料，那個看似容易的一半，正是最先被剝除的一半。
為什麼 C2PA 不能直接解決這件事？
大多數團隊伸手去抓 C2PA 內容憑證，就以為大功告成了。C2PA 很好——RIAA、Roland 以及 Pro Tools 的製造商 Avid 都是成員，所以音訊界的標準制定者都在桌邊。但大多數社群平台在你一上傳的當下，就會把 C2PA 中繼資料剝除。等到曲目抵達來源證明真正重要的那個平台時，你如此小心翼翼附上的憑證早已不見蹤影。
唯一能存活下來的，是軟綁定（soft binding）：你用浮水印在音訊本身嵌入一個微小的識別碼，而那個識別碼指向一份儲存在雲端的資訊清單。浮水印熬過整趟旅程，查詢則在另一端還原出來源證明。這很優雅，卻藏著一個我看過不少團隊踩進去的陷阱。如果你的客戶在歐盟，而你的資訊清單儲存在美國，那麼 GDPR 現在就適用於每一次的清單查詢。如果清單保存了創作者身分，你就依 C2PA 規範負有隱私遮蔽的義務——而幾乎沒有人真的去實作它。如果有人查驗時清單儲存正好離線，那麼曲目就完全沒有來源證明鏈可言。那個「容易」的中繼資料的一半，才是法律與架構地雷真正埋藏之處。
接著還有一個買家真正身處其中的層次：DDEX。2025 年 9 月，Spotify 與十五家唱片公司及發行商共同承諾採用一套以 DDEX 為基礎的標準，用於音樂製作名單中的 AI 揭露——人聲、詞曲創作、製作，全都涵蓋。這是我在每一次唱片公司合作案中都會碰到的問題：現行的 DDEX ERN 4.3 交付規範根本沒有欄位可以承載那些揭露資料。相關的擴充還在草案階段。一家透過 DistroKid 或 CD Baby 這類聚合商發行的唱片公司，只能繼承聚合商所傳送的內容，而大多數聚合商目前還沒有把細緻的 AI 揭露資訊傳遞下去。要在 8 月 2 日之前同時符合 Spotify 的政策與第 50 條，那條流程就需要客製化的中介軟體。沒有任何一個現成開關可以切換。
那個沒能存活的浮水印——以及原本能抓到它的那張矩陣
讓我回到那個乾淨出爐的檔案，因為解方不是「用一個更好的浮水印」，而是「別再信任任何單獨一個」。
嵌入器大多是免費的。Google 的 SynthID-Audio 已內建於 Lyria 與 NotebookLM，其偵測入口網站已於 2025 年 11 月在全球推出，跨多種模態已有超過 100 億件內容被加上浮水印——但這個音訊偵測器由 Google 掌控，且只對 Google 生成的產出有效。Meta 的 AudioSeal 以 MIT 授權開放原始碼，能做樣本層級的定位偵測，是我用過在語音與說話聲上最強的工具——但它在音樂上的穩健性較弱，而那道落差正是檔案殞命之處。
這正是那些研究等級的數字證明其價值之處。發表於 ICML 2025 的 XAttnMark，能維持在波形對抗式攻擊下 68% 的偵測率，而 AudioSeal 在同樣情況下掉到 15%，並在經過 Stable Audio 這類工具的生成式編輯後維持 91–94% 的偵測率。2025 年 10 月的方法 AWARE 回報，即使曲目經過神經聲碼器（一種聲音複製流程會執行的重新合成）處理後，位元錯誤率仍僅為 1.61%。這些方法沒有一個具備商業支援，沒有一個是產品。它們是原料。
一個能熬過 MP3、卻在 Opus 中死去的浮水印，並不是弱浮水印，而是一個未經測試的浮水印。
原本能救我們的那項紀律並不光鮮：一張存活矩陣。你把你特定的匯入鏈拿出來——從 DAW 到 WAV、到 DDEX 交付、到一個吐出 Opus、AAC 與 MP3 的多位元率轉碼器、到 CDN、到播放器、到某個人拿手機把它螢幕錄影下來、再到一次會把整個檔案重新編碼的 TikTok 轉發——然後你讓每一個候選浮水印通過每一個階段，並衡量還剩下什麼。我們沒有測試 Opus 這一段，因為我們的實驗室裡沒有它。轉碼器裡卻有。
而對任何身處廣播領域的人來說，還有一個更糟的階段：類比缺口。廣播與電視的輸出會在車裡或廚房裡被第二台裝置的麥克風捕捉。一個在室內殘響中死去的浮水印，對廣播來源證明毫無用處。AudioSeal 的自相關做法往往能熬過那一關；大多數 LSB 式的浮水印則不行。你只有實際跑過一遍，才會知道是哪一種。
唱片公司裡沒有人說出口的那個詐欺數字
我第一次與一家 DSP 的信任與安全主管坐下來談時，話題根本不是關於歐盟，而是關於一個他們一直默默吸收著的數字。
Deezer 自家的數據：AI 生成的曲目從 2025 年 6 月佔新上傳的 18%，攀升到9 月的 28%——超過進門總量的四分之一。而純 AI 曲目的播放中，有 70% 是詐欺性的。把這兩個數字放在一起，交付的所有內容裡大約有五分之一具潛在詐欺性——這不是邊緣地帶的垃圾內容問題，而是權利金池的結構性漏水。Deezer 現在已把這些曲目排除在權利金給付之外，並且自 2026 年 1 月起，開始將其已取得專利的偵測器授權給競爭對手平台。Spotify 在十二個月內移除了超過 7,500 萬首垃圾曲目，並導入了觸發權利金之前至少須達 1,000 次串流的門檻——而詐欺集團只要確保一萬首 AI 曲目中的每一首都跨過約 1,050 次串流，就能輕鬆鑽過這道門檻。放眼整個產業，Beatdapp 與 Beatport 估計每年有 20 億至 30 億美元的權利金遭詐欺性挪用。對一家中階 DSP 而言，這在他們自家的權利金池裡就是一個九位數的窟窿。
事實證明，這正是 DSP 買家與唱片公司買家對同一條流程有著不同需求之處。唱片公司要的是來源證明與揭露。DSP 要的則是把詐欺性的 AI 洪流擋在自家權利金池之外——而那是一個指紋辨識與行為偵測的問題，不是浮水印的問題。Pex 的 Attribution Engine 能在五秒內把指紋比對登錄庫，甚至能辨識一首曲目是來自 Suno 還是 Udio。募得 1,700 萬美元、並與 UMG 及 MLC 合作的 Beatdapp，則從行為面抓出詐欺。浮水印與指紋辨識並非競爭對手；它們回答的是不同的問題，而一個真正的平台兩者都需要。
那廣告代理商呢？
代理商這類買家比其他任何一種都更讓我夜不能寐，因為風險暴露如此集中，而看見它的人卻如此之少。
Suno 的 Pro 與 Premier 方案明文不包含賠償保障。一家把 AI 生成的廣告配樂放進全國性廣告的代理商，是自己扛著權利風險——而大多數代理商並未在客戶的主服務協議（MSA）中談妥針對 AI 的專屬賠償條款，即便 4A's 的指引現在已經這麼建議了。某家代理商的法務長在一次通話中帶我逐條看他們工具的服務條款，等到我們談到賠償條款那一段時，他沉默了，因為根本沒有這一條。萬一那段配樂在活動進行途中觸發了權利主張，代理商就得吞下被撤下的廣告活動、重拍、媒體排程重排以及聲譽損害。
而聲音本身如今已是財產。田納西州於 2024 年 7 月生效的《ELVIS 法案》，將未經同意複製藝人聲音的行為訂為輕罪，並附帶民事救濟。加州的 AB 2602 賦予表演者合約保障。正在第 119 屆國會推進的聯邦《NO FAKES 法案》，將為數位聲音複製品創設一項財產權，並為平台建立通知與下架機制。如今已有四十八個州擁有某種形式的深偽或聲音複製法律。一段聲音的權利鏈不再只是錦上添花；它正是那個讓行銷活動不至於變成一場官司的東西。
我們現在實際打造的東西
於是我們不再試圖當那個「安全生成」的替代方案。我沒辦法在嵌入演算法上贏過 Google，也沒辦法在詐欺偵測上勝過 Beatdapp，而假裝可以，正是最初的那個錯誤。沒有任何一家單一廠商在做的事——也是我談過的每一家媒體公司都缺少的東西——就是整合。
一個典型的買家擁有六到十二套彼此不相連的系統：一套數位資產管理系統、一套媒體資產管理系統、DAW、權利管理資料庫、DDEX 發行流程、一個 C2PA 驗證器、一個指紋資料庫、一個詐欺偵測器、一個內部審核佇列。每一套都能運作。彼此卻毫無交流。來源證明鏈在每一道接縫處斷裂。我們所設計的，正是讓它們協調共鳴的那個東西——以及隨之而來的政策。最困難的問題，從來都不是技術問題。當某個浮水印出現在一首上傳到發行商的曲目上時，是誰收到警示？下架的服務水準協議（SLA）是什麼？藝人的退出（opt-out）名單又是如何同步到生成器的？那些答案不會住在某個 GitHub 儲存庫裡。
我們打造一個多標準偵測層，因為沒有一個買家能賭在單一浮水印會勝出——它必須讀取 SynthID、AudioSeal 與 XAttnMark 的產出，交叉比對 C2PA 資訊清單，並與 DDEX 揭露相互匹配。我們打造下架工作流程，因為在下一次的「Heart on My Sleeve」時刻——那首 2023 年在被撤下前衝上兩千萬觀看次數的偽造 Drake／Weeknd 曲目——之後，真正的問題不是「我們能不能證明它是假的」。在 2026 年，一個以假亂真的複製品大約只要九十分鐘就能做出來。問題在於你能多快把它下架，並同步通知藝人、唱片公司、各家 DSP 與社群平台。浮水印只是那套工作流程的其中一項輸入，而不是工作流程本身。
而對於那些真正需要授權聲音轉換的客戶——podcast 在地化、有聲書旁白、無障礙、配音——我們會打造一座真正的聲音庫，而那多半是一個經濟學問題。一位委製演員錄製 45 分鐘、橫跨幾種曲風的乾淨演唱，依工會身分與買斷範圍而定，費用落在 8,000 至 18,000 美元。要涵蓋一個可用的年齡、性別與口音範圍，需要 45 到 75 位演員——姑且算是在賺到任何一塊客戶營收之前，就得投入 36 萬至 135 萬美元的資本支出。這正是為什麼答案幾乎從來不是一座通用型聲音庫，而幾乎總是一座有針對性的資料庫：為 podcast 在地化準備四種語言、二十位演員，勝過一份你永遠攤提不完的虛榮型目錄。從網路上爬取的名人聲音模型並不是選項——《ELVIS 法案》與 AB 2602 讓它們成了負債，而非資產。這就是那項委任案：端到端的音訊授權、浮水印與來源證明流程，為某一個買家所面對的特定系統與特定期限量身設計。
人們問我，有授權的 Suno 與 Udio 平台是不是就會讓這一切都變得沒有必要。並不會，理由跟圍牆花園開出這道缺口是同一個：那些工具解決的是生成，而不是一項資產的保管鏈——一項必須活在你的資料庫裡、送達每一個平台、並經得起監管機關稽核的資產。他們也會問，能不能先觀望一下，看哪一種浮水印標準會勝出。你不能——第 50 條不會等到標準之戰塵埃落定，而這正是偵測層從第一天起就必須是多標準的全部原因。
那首從轉碼器裡沒帶標記出來的曲目，是我一直在想的那一首。它背後有一位真實的藝人、也有一份真實的授權，而在一次重新編碼的時間裡，它變得與一段深偽毫無分別——完全無從證明它究竟是什麼。到了 2026 年 8 月 2 日，那道缺口就不再只是工程上的難堪，而會變成一項附帶 1,500 萬歐元數字的合規失敗。這個行業裡的每一個人，鏈條中的某處都有那樣一台轉碼器。唯一的問題是，他們是在監管機關遇上它之前碰上它，還是之後。
