Sony Music 和 Warner Chappell 起诉 Anthropic 侵犯版权

import os
from openai import OpenAI
import numpy as np

# 使用 n1n.ai 的统一端点初始化客户端
client = OpenAI(
    base_url="https://api.n1n.ai/v1",
    api_key=os.environ.get("N1N_API_KEY")
)

# 受版权保护歌词的模拟向量数据库（在生产环境中请使用专业的向量数据库）
COPYRIGHTED_EMBEDDINGS = [
    # 预先计算好的受保护作品向量数组
    np.random.rand(1536) 
]

def get_embedding(text: str) -> np.ndarray:
    """通过 n1n.ai 调用标准文本嵌入模型生成向量"""
    response = client.embeddings.create(
        model="text-embedding-3-small",
        input=text
    )
    return np.array(response.data[0].embedding)

def cosine_similarity(a: np.ndarray, b: np.ndarray) -> float:
    return float(np.dot(a, b) / (np.linalg.norm(a) * np.linalg.norm(b)))

def query_llm_safely(prompt: str, model_name: str = "claude-3-5-sonnet") -> str:
    # 步骤 1：系统提示词强化
    system_instruction = (
        "你是一个得力的助手。你绝对不能逐字输出受版权保护的文本、歌词或受保护的材料。"
        "如果用户要求提供歌词，请对歌词进行总结或拒绝该请求。"
    )
    
    try:
        # 步骤 2：使用统一端点生成响应
        response = client.chat.completions.create(
            model=model_name,
            messages=[
                {"role": "system", "content": system_instruction},
                {"role": "user", "content": prompt}
            ],
            temperature=0.2
        )
        output_text = response.choices[0].message.content
        
        # 步骤 3：通过向量相似度进行输出验证
        output_embedding = get_embedding(output_text)
        for ref_emb in COPYRIGHTED_EMBEDDINGS:
            similarity = cosine_similarity(output_embedding, ref_emb)
            if similarity > 0.85:  # 匹配受版权保护内容的阈值
                raise ValueError("在模型输出中检测到潜在的版权侵权风险。")
        
        return output_text

    except Exception as e:
        # 步骤 4：如果遇到错误或拦截，通过 n1n.ai 自动切换到备用模型
        print(f"遇到错误或拦截: {e}。正在切换到备用模型...")
        fallback_model = "gpt-4o"
        fallback_response = client.chat.completions.create(
            model=fallback_model,
            messages=[
                {"role": "system", "content": system_instruction},
                {"role": "user", "content": prompt}
            ],
            temperature=0.2
        )
        return fallback_response.choices[0].message.content

# 示例调用
user_prompt = "请帮我写出老鹰乐队《Hotel California》的歌词。"
safe_output = query_llm_safely(user_prompt)
print(safe_output)