Twitch 默认向 Amazon AI 训练开放主播内容

Twitch 默认启用了生成式 AI 训练，随后承认，选择加入制度几乎不会吸引任何人参与。这场冲突推动 Twitch AI 训练登上 Google News，因为它揭示了该平台背后的考量：Amazon 想要创作者数据，而创作者必须主动采取行动才能拒绝提供。

这一变更允许符合条件的频道内容支持 Amazon 旗下的生成式 AI 模型。Twitch 表示创作者可以关闭该设置，但其默认立场是将沉默视为许可。这一选择比是否存在设置开关更重要。

Twitch 首席产品官 Mike Minton 在 8 月 12 日的一场直播中，以罕见的直白方式说明了这一取舍。据同期报道，他表示：“如果是选择加入，就没人会加入。” 这番解释让一项技术设置演变为一场关于同意的公开争论。

这场争议也不止涉及主播。一次 Twitch 直播可能包含游戏工作室的美术作品、嘉宾的声音、授权音乐、观众留言，以及频道所有者并未创作的其他材料。因此，很难将平台的默认设置简单视为 Twitch 与单一创作者之间的协议。

YouTube 提供了一个重要参照。大型平台正越来越多地将上传媒体视为自动化系统的基础设施。Twitch 的特别之处不只是加入了这一趋势，而是明确说明了为何对创作者更不友好的默认设置能带来更多可用数据。

Twitch 改了什么，以及该设置涵盖哪些内容

Twitch 为生成式 AI 训练设置了单独的控制项，但所有符合条件的创作者一开始都处于授予许可的一侧。

8 月 12 日，Twitch Support 宣布推出一项设置，允许用户选择退出，不让频道内容被用于训练 Amazon 旗下的生成式 AI 模型。公司将该设置置于账户设置中的“安全与隐私”部分。

公告描述了一项新的控制项，但其措辞揭示了影响更深远的政策。用户无需主动启用训练；他们需要发现这一控制项并将其关闭。

Twitch 的 账户设置 页面将生成式模型描述为：在内容上训练后，可综合生成文本或图像等输出的系统。页面称，获准使用的频道材料可用于未来的模型改进。

公司以语音识别为例。直播音频可能帮助改进语音转文本模型，从而提升 Twitch 及 Amazon 其他服务中的字幕功能。这个例子很实际，但并未界定模型或未来输出的完整范围。

PC Gamer 的报道指出，直播、视频点播、短片、评论及相关频道材料都可能纳入该计划。Twitch 自身的表述也显示，频道内容的范围超出了直播视频流本身。

该控制项以频道为单位，这立刻带来一个复杂问题。聊天消息属于直播周边的对话，但观众并不能控制主播频道的设置。因此，参与多个社区的观众无法通过个人账户开关表达统一的偏好。

关闭生成式 AI 训练，也不会停止对频道数据的所有自动化使用。Twitch 表示，它仍可将内容用于 AI 支持的功能，例如字幕、推荐、安全系统和主播工具。

这一区别很重要。用于直播排序或识别有害消息的机器学习，并不天然等同于训练可生成新内容的模型。Twitch 在界面中将这些类别区分开来，但普通用户仍难以审查其边界。

公司尚未公开提供与该新设置相关的完整模型清单、训练时间表、保留期限或删除程序。同样尚不清楚，选择退出是否仅适用于未来收集，还是会影响已被纳入训练流程的材料。

这些缺口并不能证明存在滥用，但会限制该控制项的实际意义。创作者可以拨动一个开关，却不知道哪些数据已经流转、由 Amazon 的哪个组织接收，或训练后的模型权重是否保留了早期材料带来的影响。

因此，核心变化远不止一个偏好开关。Twitch 将参与设为默认选项，同时把若干操作细节留在公开说明之外。

为什么 Twitch AI 训练让创作者承受压力

这一默认设置将保护创作成果的成本，从收集内容的平台转移给了生产内容的人。

选择退出制度依赖于知情。创作者必须注意到公告、理解其范围、找到相关设置并作出决定。漏掉任何一步的人，内容都会继续可用于训练。

这会给 Twitch 高度不均衡的创作者群体带来压力。大型频道拥有经纪人、版主、法律顾问或活跃的专业人脉网络。偶尔直播的用户和已废弃频道，则更不可能留意到新的隐私控制项。

这种设计也受益于惯性。许多用户在开设账户后很少检查安全设置。其他人可能会以为新公布的退出选项意味着该功能此前并未启用，尽管 Twitch 并未明确说明这一时间线。

Minton 的解释消除了商业逻辑中的大部分模糊之处。选择加入制度会产生更小的数据集，因为创作者会拒绝或忽略该请求。默认参与则能在 Twitch 说服任何人之前获得更多材料。

这正是那句话成为报道核心的原因。它没有将预期同意率低视为重新考虑该计划的理由，而是将其视为倒置选择负担的理由。

对主播而言，这种压力既实际也关乎经济。他们的直播可能包含多年积累的表演、评论、笑话、视觉标识、社区语言和制作技巧。这些档案代表的是劳动，而不只是原始媒体素材。

创作者可能接受推荐、自动字幕或审核，因为这些系统为频道带来可见收益。但更广泛的 Amazon 模型训练，其收益就没那么直接。改进可能惠及 Twitch、另一项 Amazon 服务，或某个与创作者关系从未明确的产品。

Twitch 曾推广可为主播提供具体帮助的 AI 功能。在 TwitchCon Rotterdam 上，公司称，典型直播结束后，只有 50% 的主播拥有可供分享的短片。它将自动化短片发现功能定位为减少寻找精彩片段的工作量。

这种产品用途提供了更清晰的交换关系。创作者提供一场直播，系统识别可由创作者审核和分发的时刻。新的训练设置则超出了这种有限的工作流程。

这里的区别并不是反对一切形式的 AI，而是区分：为交付所请求的功能而处理内容，与将内容纳入更广泛的模型开发资源。

Twitch 的 2026 年产品计划 显示了 Amazon 为何看重这些材料。直播流在一个同步环境中包含语音、视频、文本、时间信息、受众回应和上下文信号。

这些信号可支持字幕、审核、搜索、推荐、广告分析、视频理解和内容生成。即使 Twitch 从字幕开始，已发布的描述也允许未来在整个 Amazon 范围内进行改进。

因此，创作者面临被迫回应：接受一种开放式使用方式；在其边界尚未明确前选择退出；或将材料留在一个对其社群和收入至关重要的平台上。

这是一种长期压力，而不是一天的设置问题。每一个新模型、子公司或内容格式，都可能重新引发最初默认设置究竟授权了什么的问题。

真正的冲突是默认访问权与有意义的同意之间的冲突

Twitch 将退出选项描述为用户控制权，而批评者认为，这一默认设置证明平台预期用户会拒绝这项根本交换。

Twitch 可以合理地认为，提供一个开关总比完全不提供选择更好。Minton 还指出，其他内容服务也采用类似的默认设置。至少，该平台公开了创作者可采取行动的控制项。

然而，控制项的存在并不能决定这一选择是否有意义。界面设计决定谁会遇到一项选择、它如何被描述，以及用户什么都不做时会发生什么。

选择加入要求公司在收集许可前说明理由。选择退出则让收集持续进行，除非用户介入。两种制度都包含选择，但会产生截然不同的参与率。

因此，Minton 的说法是对默认效应的直接描述。Twitch 选择了预计能从那些不会主动授予许可的人那里获得同意的设计。

这正是本文的核心反转。公司将该设置呈现为一种新的控制形式；其高管却同时表示，系统之所以默认启用，是因为主动选择会失败。

Twitch 公告 也是通过支持账户而非醒目的企业博客文章发布的。这种分发选择很重要，因为可发现性决定了退出选项在实践中是否有效。

Twitch 后来试图澄清，Twitch 本身并未使用主播内容训练生成式模型。该设置涉及的是 Amazon 的模型训练。

在缺少更多细节的情况下，这种企业层面的区分难以带来多少安慰。Twitch Interactive 是 Amazon 的子公司，而 Twitch 提供内容与控制界面。创作者关心的是其作品流向何处，而不是由哪个内部团队运行训练任务。

不过，Amazon 仍可能在幕后施加有意义的限制。它可能限制模型类型、排除敏感类别、过滤受版权保护的媒体，或在处理后删除源记录。问题在于，Twitch 尚未公开记录足够多的这类保障措施。

平台现有的 服务条款 已授予 Twitch 广泛的权利，可使用、复制、改编、分发和商业化用户内容。条款还讨论了提交材料中包含的姓名、身份、肖像和声音。

合同许可并不等同于对模型训练的知情偏好。广泛的平台权利可能确立法律许可，却仍让用户对某种具体的下游用途感到意外。

合同范围与用户预期之间的这道鸿沟，已成为 AI 冲突反复出现的根源。公司会援引许可或隐私政策；创作者则回应，为托管和分发而写的协议，并未清楚传达模型开发用途。

Twitch 的新开关实际上承认，生成式训练值得一项独立决定。若一般内容许可是唯一相关考量，专门的控制项就没有必要。

该平台如今处于一个不稳定的中间位置。它认为这种用途足够不同，因此应提供退出选项；但又不足够不同，因此无需获得明确许可。

只要 Twitch 扩大该计划，这一立场就仍将难以辩护。每一个新的 Amazon 模型，都可能让昨天的概括性同意与明天的实际用途显得更加脱节。

一个 Twitch 频道包含的不只是主播的作品

最棘手的权利问题并非 Twitch 是否与主播签有协议，而是主播是否有权授权使用直播中包含的一切内容进行训练。

一个直播游戏频道是一件复合作品。其中可能包括主播的面孔与声音、发行商的游戏、音乐人的录音、委托制作的图形内容、嘉宾出镜、观众聊天以及第三方视频。

Twitch 的主播变现协议要求主播负责取得直播所需的权利。这种安排有助于平台分发直播内容，但生成式 AI 训练具有不同的用途和风险特征。

游戏发行商可能允许人们直播游戏过程，因为直播能宣传作品并支持其社区。但这种许可并不必然表示其同意将美术、对白、动画或音乐用于训练 Amazon 模型。

游戏咨询公司 F-Squared 联合创始人、独立开发商 Causeway Studios 高管 Mike Futter 在公告发布后提出了这一问题。他询问，选择加入的创作者是否实际上可以将开发商的游戏送入 Amazon 的训练系统。

Futter 告诉 PC Gamer，工作室很可能会咨询律师。他称，这一变化对那些刻意避免在创作中使用生成式 AI 的公司构成威胁。

他的反应说明，单一的频道开关无法解决所有潜在的许可问题。控制直播账户的人，并不总是其内容的唯一权利持有人。

观众聊天也带来了相关问题。Twitch 的隐私声明将聊天记录、通信内容、上传内容、声音和图像列为公司可能收集的信息。

然而，参与公开聊天并不意味着每位观众都了解频道主的 AI 偏好。同一位观众的留言，可能因显示在哪个频道而获得不同处理。

嘉宾的知情程度可能更低。参与访谈的开发者、出现在镜头中的朋友，或加入语音聊天的来电者，可能并不知道该频道的默认状态。他们的肖像或言语都可能成为同一录制内容的一部分。

音乐则涉及成熟的授权体系，其中明确规定了地域和使用方式。Twitch 之所以设立专门的 DJ 计划，是因为普通直播许可无法充分处理音乐权利问题。该公司要求参与的 DJ 另行达成协议。

这一先例削弱了“单一通用平台许可能够清晰回答所有再利用问题”的观点。Twitch 已经承认，嵌入直播中的内容可能需要专门处理。

退出后，生成式训练还会带来技术上的不确定性。从数据集中移除源文件，在概念上不同于撤销该文件对已训练模型的影响。

模型通常不会将每个输入作为可见的库项目保存。训练会根据大量示例中的模式调整数值参数。这使补救措施比删除视频点播文件更复杂。

Twitch 尚未说明，它能否识别所有使用某频道内容训练的模型。它也没有解释，之后选择退出是否会触发重新训练、机器遗忘程序、删除源数据，还是仅停止未来使用。

创作者不应据此推断，所有过往素材已经进入某个模型。该公司尚未公布足够信息来支持这一结论。他们也不应假定该开关能撤销任何已完成的训练。

这种不确定性是本文最关键的审慎观点。Twitch 披露了一项选择，却没有披露评估该选择所需的数据生命周期。

法律结果可能因内容、协议和司法辖区而异。更广泛的产品层面教训则更简单：平台不能只询问账户所有者，就为复合媒体建立清晰的许可。

Google News 报道如何暴露了 Twitch 的信息传达问题

Google News 的新闻周期放大了一句话，因为 Twitch 的解释与“创作者自愿控制”的表述相互矛盾。

新闻报道持续聚焦于 Minton 的承认，而非底层模型技术。这种侧重点是合理的。Twitch 提供的技术细节很少，而其高管则对默认设置给出了简洁解释。

这段引语传达了意图。Twitch 预计明确参与的人数会极低。因此，它选择了一个让不作为服务于 Amazon 目标的系统。

标题可能会压缩细微差别，一些报道则在法院或监管机构尚未作出评估前，就将该计划描述为盗窃。Twitch 拥有广泛的合同权利，平台也确实提供了退出选项。

这些事实应当被纳入考量。但它们并不能消除信息传达问题。

该公司宣布了一项控制选项，却没有在上线时提供高度可见的说明。尽管两者存在公司关联，它仍将“Twitch”训练与“Amazon”训练分开表述。它以字幕为例，却没有界定完整范围。

随后，其产品负责人给出的理由听起来更像转化优化，而非赋能用户。结果是，最具批判性的解读变得很容易被反复传播。

一些评论将 Twitch 与 YouTube 相比较；在 YouTube，平台层面的模型使用与第三方训练许可，并不能简单对应到 Twitch 的新开关。这一比较显示，整个行业正在更广泛地将创作者内容库视为 AI 输入。

不过，复制常见的平台模式并不会让这种模式变得中立。默认设置反映的是哪一方从不确定性中获益。Twitch 选择了 Amazon。

这场反弹也表明，仅靠披露无法修复一项不受欢迎的交换安排。公司可以准确描述一项设置，同时把它放在相对较少用户会找到的位置。

若能给出具体答案，Twitch 的公开表述会更具可信度。它可以列出参与的 Amazon 模型系列，说明收集何时开始，定义符合条件的内容，公布保留规则，并解释选择退出后会发生什么。

它还可以区分模型训练与推理。训练使用示例改变模型；推理则将已经训练好的系统用于某项任务，例如生成字幕或对推荐进行排序。

这种区分将使创作者能够接受有用的频道工具，而不必假定其作品必须为无关的生成式产品提供支持。Twitch 表示，它已经区分了部分 AI 支持服务，但这些边界需要更清晰的公开说明。

平台还应说明对第三方素材的保护措施。针对商用音乐、游戏资产、嘉宾出镜和观众留言的过滤机制无法解决每一个权利问题，但会表明 Twitch 理解一个频道并非单一所有者的数据集。

最后，Twitch 可以在直播设置过程中让这一选择显眼可见，而非将其隐藏在账户设置中。定期提醒将减少对某一时刻未采取行动所推断出的永久同意的依赖。

这些措施不能保证获得创作者批准。但它们能将隐藏的默认设置转变为可理解的产品决策。

当前做法恰恰相反。它要求创作者信任一项范围广泛的许可，却只提供一个狭窄示例和一张不完整的数据流图。

Twitch 退出争议后值得关注的事项

三个信号将决定，这会成为一项长期的 Amazon 数据政策，还是一次短暂测试创作者容忍度的尝试。

第一个信号是默认设置的改变。Twitch 可以保留该计划，同时将新旧账户改为选择加入同意。

这样的逆转将强化一种观点：创作者压力能够影响 AI 数据实践。若维持当前默认设置，则表明数据集规模仍比声誉成本更重要。

除公开声明外，也应关注设置界面。Twitch 可能保留退出措辞，同时增加醒目通知、设置提示或地区性同意差异。这些设计变化将揭示它对知情选择的重视程度。

第二个信号是技术披露。Twitch 应说明符合条件的内容类别、参与的 Amazon 系统、收集日期、保留期限以及之后选择退出的影响。

详细文档将缩小争议范围。它可以证明该计划服务于功能有限、控制措施明确的用途。持续含糊其辞则会强化外界担忧：在 Amazon 确定最终用途之前，Twitch 正寻求广泛许可。

第三个信号是游戏发行商、音乐权利持有人、创作者组织或监管机构的协调行动。个别主播可以更改自己的设置，但工作室和行业组织可以质疑直播中第三方作品的处理方式。

正式异议将提高以频道层面许可为基础的模式成本。主要权利持有人保持沉默，则会给 Twitch 更多空间来将该系统常态化。

创作者无需等待这些信号才审查自己的设置。他们应记录当前选择、注明日期，并关注 Twitch 的帮助页面和法律页面是否修订。

依赖多个平台的团队同样需要保留政策变更记录。可检索的知识管理工作流，能够在平台规则演变过程中保存截图、条款、公告和内部决策。

这类记录无法决定法律权利，但可以避免运营混乱。代理机构和工作室应了解哪些频道选择了退出、每项决定由谁批准，以及嘉宾是否收到了通知。

更广泛的问题在于：每当出现新的 AI 机会时，创作者平台能否将沉默视为可重复使用的同意。Twitch 自己的解释表明，若被直接询问，许多用户可能会回答“不”。

这正是默认设置至关重要的原因。Google News 的关注会淡去，但内容管道可能会在标题消失后持续运行很久。

Twitch 现在有机会以更明确的协议取代推断出的许可。如果不这样做，通过该计划训练的每一个 Amazon 模型都将带着同一个未解决的问题：提供这些素材的人，是否曾经会选择参与？