arXiv cs.AI· Yihang Zhang, Weicai Yan, Qifei Zhang, Yangyang Wu, Tao Jin·· 3 天前AI 评分27
GAMW：面向 TTS 溯源、注入生成过程的 Mel 域水印框架
GAMW: Generation-Aware Mel-Domain Watermarking for TTS Traceability
AI 导读
GAMW 是一种集成到 TTS 生成过程中的水印注入框架，在波形合成前将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 focal modulation 与动态逐比特加权。在两个 TTS 主干上分别训练评估，16-bit 载荷下，面对单一与复合扰动，其解码准确率较最强基线分别提升 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。代码已开源。
正文 · AI 翻译
摘要：随着文本转语音（TTS）系统的不断进步，合成语音的来源追踪与安全验证变得日益重要。音频水印通过向语音中嵌入不可感知、可被机器恢复的信息，提供主动式来源追踪。然而，现有的后处理式方法通常会在合成完成后修改波形，使水印容易受到复合扰动的影响。为解决这一局限，我们提出了 GAMW，一种集成到 TTS 生成过程中的水印注入框架。在波形合成之前，GAMW 将内容自适应的多位水印残差嵌入到生成的表示中，其解码目标结合了焦点调制与动态逐位加权。我们在两个 TTS 主干网络上分别训练和评估了 GAMW。在 16 位有效载荷下，GAMW 在单一扰动和复合扰动下分别将解码准确率较最强基线提升了 9.2 和 23.5 个百分点，同时保持了有竞争力的语音质量。在更高有效载荷下，也仍能保持可靠的干净语音解码。代码见 此 https URL。
| 主题： | 声音（cs.SD）；人工智能（cs.AI）；密码学与安全（cs.CR） |
| 引用为： | arXiv:2610.15082 [cs.SD] |
| （或 arXiv:2610.15082v1 [cs.SD] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.15082 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Yihang Zhang [查看邮箱]
[v1]
2026年10月10日星期六 17:30:02 UTC（459 KB）
来源：arXiv cs.AI · arxiv.org