⁣
📰 人工智能模型训练类专利的创造性判断

本案围绕对“基于音频生成动态图像的方法、装置、设备及存储介质”专利的创造性判断展开。涉案数字人技术跨越计算机图形学、计算机视觉与AIGC等领域，通过单张参考图像与音频实现个性化的数字人生成，以降低训练成本、缩短训练周期为目标，形成“训练后的生成网络模型”与“目标生成网络模型”的分阶段处理框架。创造性判断基于对三阶段模型（设计、训练、应用）的理解，若训练方法的改进能在特定场景下带来更高输出精度或更低成本且非简单拼接，则具备创造性。本案中，涉案专利通过对目标人物参考图像进行微调，使生成网络模型对目标对象更贴合并降低成本，属于训练阶段的改进，最终产出定制化的目标生成网络模型，属于应用阶段的特定输出。证据1的SadTalker虽可生成同类动态视频，但其各子模型不可分割地共同作用，未揭示对训练过程的个性化微调；证据2所述的R-Net模型训练为一次性完成，未涉及对特定对象的微调。基于以上分析，涉案专利在技术方案及实现路径上具备创造性，提供了对AI模型训练方法在特定应用场景中的有效技术贡献。该案亦对2026年新版专利审查指南关于AI专利创造性的判断提供了实务参考。

🏷️ #数字人 #模型训练 #创造性 #AI专利 #定制化

🔗 原文链接