GAMW：在TTS生成过程中嵌入梅尔域水印以追踪语音来源
论文AI 评分 68/100arXiv cs.AI待复核
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
针对现有音频水印多在合成后修改波形、易受复合扰动影响的问题，作者提出GAMW框架，在波形合成前把内容自适应的多比特水印残差嵌入生成表示，解码目标结合焦点调制与逐比特动态加权。该方法在两个TTS骨干上分别训练评估，16比特载荷下，在单一扰动和复合扰动场景中解码准确率分别比最强基线高9.2和23.5个百分点，同时保持有竞争力的语音质量，更高载荷下仍能可靠解码干净语音。代码已公开。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载水印前置到生成环节
现有音频水印方案多为事后处理，即在语音合成完成后改动波形，这类做法在遇到叠加扰动时水印容易失效。GAMW把注入动作提前：在波形合成之前，就把一段内容自适应的多比特水印残差写入生成表示中。由于水印随生成过程一同形成，而不是事后贴附，作者认为这能改善其在复杂扰动下的存留情况。论文在两个不同的TTS骨干上分别完成训练与评估，说明该框架不绑定单一合成模型。
解码策略与量化结果
GAMW的解码目标由两部分组成：焦点调制与逐比特动态加权，用于在多位载荷下提升每一位的恢复可靠性。在16比特载荷设置下，作者报告单一扰动场景中解码准确率较最强基线高出9.2个百分点，复合扰动场景中高出23.5个百分点，同时语音质量保持在有竞争力的水平。论文还提到，在更高载荷下，干净语音仍能可靠解码。这些数字是该方法与已有事后水印方案对比后的差距。
适用方向与公开情况
该工作面向合成语音的来源追踪与安全验证，属于音频水印在TTS场景下的应用。论文标注的分类涵盖声音、人工智能与密码学安全，代码已通过链接公开，便于复现与后续比较。需要注意的是，摘要只给出扰动条件下的解码准确率提升与语音质量描述，未披露推理开销、实时性以及在不同语言或说话人条件下的表现，这些仍需查看全文确认。
为什么值得看
合成语音溯源需求上升，该方法把水印前置到生成环节，并给出抗复合扰动的量化提升。
语音
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。