AI深度合成的责任边界，不能按“内容是不是模型自动生成”来划分，而应围绕权利来源、控制能力和实际传播行为判断。模型只是生成环节的一部分，企业决定了谁可以上传素材、哪些内容能够生成、是否需要审核以及结果如何传播，因此不能仅以“用户操作”或“系统自动完成”为由整体免责。
责任应沿着控制链条分层
涉及人脸、声音等可识别身份特征时，第一道边界是使用权。上传者并不当然拥有被复制对象的授权，公开平台上的照片、视频或录音，也不等于企业可以自由抓取、训练和合成。企业需要核验授权主体、授权范围、使用期限和传播渠道，并判断授权是否覆盖商业宣传、身份表达或向第三方交付等具体场景。
第二道边界是产品控制责任。企业若允许用户生成容易被误认为本人真实表达的内容，就应根据风险设置身份验证、人工复核、提示标识或传播限制。声音克隆用于广告、客服、通知或商业承诺时，误导风险并不低于换脸。高风险功能仍然交给全自动流程，说明企业对生成和传播具有较强控制能力，责任也可能相应加重。
第三道边界是发布与处置责任。平台是否推荐内容、允许批量导出、默认公开传播，都会影响风险扩大。对涉及真实人物、公共事件、交易指令或产品功效的内容，审核重点不能只是判断“像不像真的”，还要核验事实来源和可能造成的错误认识。收到本人异议或权利人通知后，企业应能及时暂停传播、保全记录并启动人工处理。
留痕决定责任能否被准确还原
企业至少应保存素材来源与授权文件、用户操作时间、模型及关键参数、生成和修改记录、审核意见、发布路径以及投诉处置过程。留痕不是把责任推给用户，而是为了区分问题究竟发生在授权、产品设计、模型输出、审核疏漏还是传播管理环节。
因此，AI深度合成的合规重点不是证明“模型没有主观故意”，而是证明企业在可控制的环节采取了合理措施。能否上线一个功能，最终取决于企业是否有权使用素材、能否预防身份误认、是否保留责任证据，以及争议发生后能否迅速纠正。生成能力越强，责任边界越不能模糊。