声音登记与可信流通

执行摘要

本白皮书提出一套面向未来声音管理的统一制度：以声音登记处为治理入口，以声音特征表为标准记录，以声音存储库为受控保管设施，以声音密码本/码本为授权双方共享的匹配资源，以声音种子为轻量传输对象，并以可验证回执贯穿声音的登记、使用、撤销和销毁全过程。

这套制度不以某一家云服务商、合成模型或压缩算法为中心。供应商的 speaker ID 可以更换，声音身份的登记编号不能随之失效；合成引擎可以升级，历史种子必须继续能说明当时使用了哪一个声音、哪一版特征库、基于何种授权；登记可以永久留痕，但原始声音和生物特征不因此获得"永久保存"的特权。

本白皮书确立八项基础原则：

1. 先登记、后使用。 未取得有效登记与授权，不得克隆、匹配、合成或以他人声音对外输出。
2. 身份与引擎解耦。 永久声音身份编号不得直接等同于火山、ElevenLabs 或其他供应商的 speaker ID。
3. 三域分离。 公开登记元数据、受限声音特征、私密原始样本必须分区、分权、分密钥保存。
4. 目的限定。 同意用于会议朗读，不自动等于同意用于广告、身份验证、公开传播或模型训练。
5. 版本钉死。 每次匹配、传输和合成必须能够追溯到具体特征表、码本、引擎与授权版本。
6. 撤销有效。 撤销后不得继续产生新的本人声音输出；历史登记与撤销回执可以保留，但私密素材应删除、封存或依法保留。
7. 失败不冒充。 无法匹配、无法验收或授权不足时，应降级为通用声音、文字或明确错误，不得静默换人或伪装成功。
8. 可证明而非口号。 压缩率、相似度、延迟、安全性和弱网能力必须对应明确的测试条件与证据。

第一章 适用范围与规范层级

1.1 适用范围

本白皮书适用于以下活动：自然人的声音样本采集、登记、更新、撤销与销毁；声音特征提取、特征表生成、码本建立和版本管理；声音原件、特征向量、音频单元、种子及合成结果的存储；基于文本、单元编号、时序、韵律或差异信息的轻量传输；基于已登记声音的匹配、拼接、生成、克隆和播放；组织内部、授权联系人之间或跨系统的声音交换。

本白皮书不宣称替代司法登记、公证、身份管理法规、隐私法规或生物识别专门规定。正式商用前，应由适用司法管辖区的专业人员审查同意文本、未成年人和逝者规则、跨境数据流、数据保留及争议处理条款。

1.2 规范层级

制度采用四层结构：治理层决定谁有权登记、授权、复核、撤销和审计；数据层规定登记簿、特征表、清单、回执与状态的字段和版本；协议层规定查询、命中、传输、重组、验收、降级与错误处理；实现层由具体产品选择数据库、对象存储、算法、模型和网络承载方式。上层约束下层，任何实现不得以"技术上可以做到"为理由绕过授权、撤销、用途限制和审计要求。

1.3 关键词

必须/禁止表示合规实现不可缺少的要求；应当表示原则上必须遵守、仅在记录理由后方可偏离；可以表示兼容实现可选能力。

第二章 核心对象与统一术语

"声音身份"不等于"声纹认证"。前者用于管理声音的权利、表现与合成使用；后者用于判断某人是否为某个真实主体。除非另行完成安全评估，本制度下的合成声音不得被用作银行、门禁或账户登录的单一认证因素。

第三章 声音登记制度

3.1 登记资格

声音登记必须基于可验证的权利来源：本人登记、法定监护人登记、明确授权的代理登记，或在适用法律与平台政策允许的范围内由遗产或近亲权益管理人登记。单纯持有一段录音，不等于拥有克隆、合成或公开传播其中声音的权利。

3.2 登记流程

标准登记应完成以下步骤：建立申请编号，记录申请人、声音主体和代理关系；验证身份与活体意愿，避免仅凭历史录音完成高权限登记；展示分用途同意书，分别选择朗读、通信、内部会议、公开传播、商业广告、研究和模型训练等范围；采集或导入样本，记录设备、时间、格式、采样率、声道、语言和质量信息；对原件计算加密摘要，执行恶意文件检查和重复样本检查；生成声音特征表和码本清单，记录算法与模型版本；由登记员或自动规则完成风险复核，高风险用途必须人工复核；签发登记证书与回执，启用声音身份档案。

3.3 稳定编号

每个声音身份应获得不可复用的 voice_profile_id。推荐显示格式为 VR-AU-YYYY-NNNNNN-C，其中地区码只表示登记处或制度域，不代表国籍；机器接口应使用随机 UUID 或同等强度的不透明标识。供应商返回的 speaker_id、模型内部 embedding ID 或文件名只作为 provider_ref 保存，不得成为永久登记主键。供应商引用泄露、失效或迁移时，声音身份档案仍然成立。

3.4 状态机

声音登记状态统一为：PENDING（资料或复核未完成，不得合成）；ACTIVE（在授权范围内可用）；SUSPENDED（争议、风险或安全事件期间暂停）；REVOKED（主体或有权人撤销，禁止新增本人声音输出）；EXPIRED（授权期限届满）；ARCHIVED（仅为法定记录或证据保留，不得用于生产）；DESTROYED（应删除的私密素材已完成可核验销毁）。

状态变化必须追加事件，不得覆盖旧记录。恢复 SUSPENDED 状态需要新的复核回执；REVOKED 不得通过普通管理员按钮直接恢复，应创建新的授权版本。

3.5 变更与撤销

姓名、标签、联系方式等非实质字段可以更正，但应保留变更轨迹。任何会影响声音表现或用途的变化，包括新增语言、更新核心样本、改变商业权限、替换模型或扩大接收方范围，都必须生成新版本。

撤销应立即阻止新的匹配和合成任务。系统可以保留最小化的登记编号、摘要、时间和撤销依据，用于证明"曾登记且已经撤销"；不得以登记簿不可变为理由永久保留可直接重建本人声音的原始样本和特征材料。

第四章 声音特征表标准

4.1 设计目标

声音特征表不是一张主观形容词清单，也不是单一声纹向量。它应同时支持权利管理、技术复现、质量评估、跨引擎迁移和争议核验，并明确区分事实记录、算法输出和人工判断。

4.2 必填字段组

4.3 数据分级

特征表按字段分为三级，而不是整表一刀切：R0 登记公开级——登记编号、公开标签、状态、允许公开的语言与证书摘要；R1 业务受限级——授权范围、质量指标、码本版本、引擎兼容性和审计信息；R2 生物特征私密级——原始声纹、embedding、可逆特征、源样本定位及密钥材料。R2 数据不得进入公开登记查询、普通业务日志、分析埋点或客户端缓存。任何向量"不能被人耳直接听见"都不构成降低保护等级的理由。

4.4 版本规则

特征表采用不可变版本。修正错误时创建新版本并链接 supersedes，不得原地覆盖。每次调用必须记录实际使用的 feature_sheet_version；"latest"只能用于查询，不能写入最终回执。

第五章 声音登记处

5.1 职能

声音登记处是可信状态与权利链的管理机构或软件服务，不等于保存全部声音文件的网盘。其核心职责包括受理、验证、编号、签发、查询、授权、暂停、撤销、审计和争议标记。

5.2 角色分工

声音主体决定授权范围并行使查询、更正、撤销和删除权。登记申请人提交材料并保证来源说明真实。登记员审核身份、同意和样本完整性，不负责替主体决定商业用途。库保管人维护存储、密钥、备份和销毁，不得自行扩大授权。处理者在授权范围内执行匹配、传输或合成。审计者检查回执、访问日志、权限和删除证明。争议处理人对冒名登记、授权冲突和滥用报告采取暂停措施。

高风险操作应执行职责分离。能够批准公开商业合成的人，不应同时拥有导出原始样本和清除审计记录的权限。

5.3 登记簿最小记录

登记簿只保存完成公共证明所需的最小记录：登记编号、主体指示信息、状态、授权摘要、特征表版本、码本摘要、登记与状态变化时间、签发者及回执摘要。原始音频、完整 embedding 和供应商密钥不得写入登记簿。

5.4 查询与回执

查询结果必须返回明确状态，而非简单的"有/无"：ACTIVE、RESTRICTED、SUSPENDED、REVOKED、EXPIRED、NOT_FOUND。所有改变权利状态的操作必须产生人类可读和机器可验的双重回执。

第六章 声音存储库

6.1 三域存储

声音资产应物理或密码学分为三个存储域：登记域保存最小登记元数据、状态和回执，可高可用复制；特征域保存 embedding、索引、码本和声学单元，仅允许受控计算服务访问；原件域保存源录音和高保真中间文件，采用最高保护等级和最短必要保留期。跨域引用使用不透明 ID 和摘要，不使用可猜测路径、姓名或供应商 ID。生产日志只能记录截断 ID 和回执编号。

6.2 内容寻址与完整性

文件和不可变对象应采用 SHA-256 或经安全评审的同等级摘要进行内容寻址。推荐路径结构为 sha256/<前两位>/<完整摘要>。写入必须先校验、再临时落盘、最后原子提交，避免半文件进入有效库。摘要用于完整性和去重，不等于访问授权，也不等于数字签名。涉及权利状态和跨主体交换时，清单与回执必须另行签名。

6.3 加密与密钥

静态数据应分域加密，主体或租户之间应使用不同的数据加密密钥。密钥轮换不得改变声音身份编号，但应生成新的保管事件。备份、灾备和测试副本必须遵守与生产相同的删除、撤销和访问规则。

6.4 保留与销毁

每类资产必须在登记时写入 retention_policy。期限届满、用途完成或授权撤销后，系统应根据适用规则执行删除、密码学销毁或争议封存，并签发销毁回执。不得把"未来也许有用"作为无限期保存原始声音的默认理由。

第七章 声音压缩、传输与重组统一规范

7.1 分层原则

声音传输统一分为：承载层（TCP、QUIC、受控文件投递或其他可靠字节通道）；登记与库访问层（身份认证、授权证明、库版本协商和命中查询）；声音种子层（传输单元编号、文字/语义、时序、韵律、差异和验收清单）；恢复层（查表拼装、确定性展开或经授权的生成式引擎）。SeedVoice 的主路径应是授权双方使用同一版声音密码本进行匹配通信；完整神经生成只用于缺失单元、孤立内容或回退恢复。码本握手提供天然的库绑定与误投防护，但不能替代端到端加密。

7.2 库查询

发送前应以 voice_profile_id + library_id + version + manifest_digest 查询接收端能力。接收端返回 HIT（版本与摘要完全一致，可发送单元引用）、NEAR（存在兼容基线，可发送基线引用与差异）或 MISS（没有可用库，应协商通用声音、低码率原件或明确失败）。接收端不得在版本不一致时静默使用"最近版本"。任何兼容映射都必须有明确的映射版本和验收结果。

7.3 分解与清单

发送端将目标表达分解为有序单元引用、时序与必要差异，并生成 voice_manifest。每个段至少包含顺序号、单元 ID 或对象摘要、起止时间、段摘要和恢复模式。完整清单包含声音身份、授权凭证、码本版本、内容摘要、引擎要求和整体验收条件。

当前仅有文字到单元编号的码本时，系统只能宣称完成"信息匹配与编号恢复"，不得宣称已经完成声学片段拼装。真实声学特征单元必须包含经过授权的音频或可验证特征，并完成连续性、音质和说话人相似度测试后方可启用。

7.4 传输优先级

统一回退顺序为：（1）精确码本单元引用；（2）兼容基线加差异流；（3）经授权的通用合成声音；（4）低码率原始声音或原件分块；（5）明确错误并保留文字信息。协议不得为了"永不失败"而在没有授权时改用相似人物的声音。所谓"不死路"是保留信息与明确状态，不是无条件复制身份。

7.5 分块、续传与验收

需要发送原件或差异对象时，应使用内容寻址分块。每块和整体分别计算摘要，接收端按清单检查缺失块，支持重复块去重和断线续传。重组完成后先验证段摘要，再验证整体摘要，最后执行声音质量或语义验收器。字节一致只适用于原件或确定性拼装。生成式恢复只能声称通过已声明的验收器，不能笼统声称还原了原始声波。

7.6 最小消息族

统一协议至少应提供 HELLO、HELLO_ACK、LIB_QUERY、LIB_RESULT、VOICE_MANIFEST、SEED_VOICE、RAW_FALLBACK、ASSEMBLY_RESULT、ACK、NACK、ERROR、PING、PONG。所有数据消息必须包含会话 ID、序列号、时间、内容摘要和授权引用。

第八章 合成与输出管理

8.1 合成前检查

每次合成必须同时通过四项检查：声音登记有效、用途在授权范围内、接收方或场景被允许、所需特征表和码本版本可用。任一项失败均不得调用供应商或本地克隆引擎。

8.2 输出标记

合成输出应携带机器可读来源清单，并在可能使普通人误认为真人实时发言的场景提供可感知的"合成/AI 重现"说明。输出清单至少记录声音身份、授权版本、输入内容摘要、引擎与模型版本、生成时间和任务回执。标记不得依赖单一可被剪掉的文件名。高风险公开输出应同时采用界面披露、元数据或内容凭证，并保留服务端审计回执。

8.3 禁止用途

除非另有专门制度、强认证和风险批准，禁止将登记声音用于：绕过声纹认证、冒充本人作出法律或财务承诺、未经同意的政治或商业背书、骚扰与欺诈、伪造证据，或训练未在授权中列明的模型。

8.4 供应商治理

外部引擎必须作为可替换处理者管理。发送给供应商的数据应最小化，并记录地区、用途、保留政策、删除能力和供应商引用。供应商故障时可切换引擎，但不得改变原授权范围，也不得把供应商默认训练条款视为主体同意。

第九章 安全、隐私与审计

9.1 威胁模型

制度至少应防范冒名登记、录音盗用、越权合成、供应商 ID 泄露、特征库拖取、重放攻击、跨租户查询、清单篡改、已撤销声音继续生成以及日志泄露。

9.2 最低控制

登记、授权扩大、导出、撤销恢复和批量合成采用强认证；主体、租户、声音身份和用途四个维度共同授权；设备或联系人之间进行双向签名握手并校验库摘要；网络使用标准加密，敏感载荷使用经审查的应用层认证加密；防重放序列、时间窗口、幂等键和速率限制同时启用；所有读取 R2 数据和产生本人声音的任务写入不可抵赖审计事件；密钥、原件、embedding 和完整供应商凭据不写入业务日志。

9.3 事件响应

疑似泄露或冒名使用时，登记处应能一键将声音身份置为 SUSPENDED，停止新合成、冻结相关授权、保存必要证据并通知有权主体。调查结束后只能通过签名决定进入恢复、撤销或销毁流程。

第十章 互操作、认证与质量标准

10.1 互操作要求

兼容实现必须能导出不含供应商秘密的标准登记记录、特征表清单、码本清单、授权回执和撤销回执。迁移不要求导出供应商专有模型权重，但必须说明哪些能力无法移植。

10.2 一致性等级

L0 登记兼容——能交换身份、状态、授权和回执。L1 库兼容——能查询并验证特征表/码本 ID、版本和摘要。L2 传输兼容——能完成种子、分块、确认、续传和完整性验收。L3 重组兼容——能对冻结模式进行确定性恢复，或对生成模式执行统一验收器。L4 治理兼容——能执行撤销、销毁、审计导出和跨供应商迁移。产品不得仅通过 L0 就宣称"完全兼容本标准"。

10.3 测试基线

认证测试至少包括：错误签名、错误主体、错误码本版本、库外内容、篡改分块、缺失分块、重放序列、断线续传、授权到期、即时撤销、供应商不可用、通用声音降级和审计导出。性能报告必须注明设备、网络、样本、编码、是否含握手、是否含首次建库、是否含模型冷启动以及比较分母。实验室单机处理时间不得直接等同于公网端到端延迟。

第十一章 治理与标准演进

11.1 版本治理

本制度的主版本变化代表不兼容的权利或数据语义变化，次版本增加向后兼容字段，修订版本只修复表述和实现错误。冻结版本的字段含义不得被重新解释。

11.2 变更程序

标准变更应经过问题登记、技术草案、隐私与安全评审、兼容性测试、公开或指定范围评议、批准和生效期。涉及默认授权扩大、删除能力降低或身份认证减弱的变更，不得以普通技术补丁发布。

11.3 独立监督

规模化运行后，应设立包含技术、隐私、声音主体代表和商业运营人员的治理组。该组负责高风险用途目录、争议处理原则、供应商准入、认证测试和透明度报告，不直接接触日常原始声音数据。

第十二章 分阶段实施路线

阶段一：制度与登记基础

冻结统一术语、身份编号、状态机、分用途授权、登记回执和三域存储。完成现有声音登记数据迁移，使 voice_profile_id 与供应商 speaker_id 解耦。

阶段二：轻量传输闭环

实现码本查询、签名握手、种子清单、文件分块、续传、重组和验收回执。以现有文字到单元编号的码本证明信息匹配，以小型声音文件证明原件字节级恢复，二者分别报告。

阶段三：声学特征单元库

在获得明确授权后建立真实声音单元、近邻索引、差异流和拼接连续性处理。通过盲听、说话人相似度、可懂度、延迟和弱网测试后，才将声学拼装列为生产能力。

阶段四：跨机构互操作

建立独立一致性测试包、登记处间信任锚、撤销同步、跨境数据策略和供应商迁移工具，并研究成为行业团体规范或正式标准提案的条件。

附录 A：声音登记最小数据模型

{
  "schema": "voice-registry-entry/v1",
  "voice_profile_id": "opaque-uuid",
  "display_label": "创始人之声",
  "subject_type": "SELF",
  "status": "ACTIVE",
  "consent_version": "consent-v1",
  "allowed_purposes": ["PRIVATE_COMMUNICATION", "MEETING_READOUT"],
  "feature_sheets": [
    {
      "id": "founder-zh-features",
      "version": 1,
      "manifest_digest": "sha256:..."
    }
  ],
  "codebooks": [
    {
      "id": "founder-zh-v1",
      "version": 1,
      "manifest_digest": "sha256:..."
    }
  ],
  "provider_refs": [
    {
      "provider": "replaceable-provider",
      "ref": "encrypted-or-tokenized-reference"
    }
  ],
  "created_at": "2026-07-17T00:00:00Z",
  "expires_at": null,
  "receipt_digest": "sha256:..."
}

附录 B：声音传输清单最小数据模型

{
  "schema": "voice-manifest/v1",
  "manifest_id": "sha256:canonical-manifest",
  "session_id": "opaque-session-id",
  "voice_profile_id": "opaque-uuid",
  "authorization_ref": "grant-receipt-id",
  "library": {
    "id": "founder-zh-v1",
    "version": 1,
    "manifest_digest": "sha256:..."
  },
  "mode": "CODEBOOK_REF",
  "segments": [
    {
      "seq": 1,
      "unit_id": 17,
      "t0_ms": 0,
      "t1_ms": 240,
      "segment_digest": "sha256:..."
    }
  ],
  "acceptance": {
    "type": "CONTENT_DIGEST",
    "expected": "sha256:..."
  },
  "created_at": "2026-07-17T00:00:00Z"
}

附录 C：不可混淆的技术边界

1. 码本编号恢复了文字或信息，不等于已经恢复声音。
2. 合成出相似声音，不等于恢复原始声波。
3. 文件分块后按哈希拼回原件，是字节传输与重组，不等于声学特征压缩。
4. 握手绑定身份与码本，提供固有的误投防护和一层保密特性，但不等于完整端到端加密。
5. 登记簿不可篡改，不等于原始声音必须永久保存。
6. 可以生成某种声音，不等于拥有使用该声音的权利。

结语

未来声音系统真正需要统一的，不只是音频格式或压缩率，而是从"这个声音是谁的、凭什么使用"一直到"使用了哪一版特征、如何传输、怎样重组、由谁验收、何时撤销"的完整证据链。

声音登记制度负责回答权利与状态，声音特征表负责描述可计算属性，声音存储库负责保管敏感资产，声音登记处负责签发与审计，SeedVoice/CookSeed 负责在已授权双方之间高效传递规则、编号与必要差异。五者共同工作，声音才从不可控文件变成可管理、可迁移、可撤销、可验证的数字资源。

本 V0.1 是制度底稿。下一版应在真实登记流程、远端传输 MVP、撤销演练、独立安全评审和适用法律审查完成后冻结。