研究人员开发了一种将不可感知水印嵌入音频的新方法，该方法可抵抗语音重建模型。这种特征对齐方法将水印与原始语音的特征分布对齐，从而在不牺牲感知质量的情况下提高水印能量。该技术涉及将预训练编解码器生成的伪语音水印融合到音频的频谱图中，并以VAD和感知损失为指导。实验表明，与现有方法相比，即使面对未知的重建模型，其鲁棒性也得到了显著提高。 AI
影响 这项水印技术可以增强AI生成音频内容的安全性与可追溯性。
排序理由 该集群包含一篇详细介绍新技术方法的学术论文。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.11828v1 Announce Type: cross Abstract: Audio watermarking aims to embed identifiable information into audio while remaining imperceptible. Existing methods adopt high-fidelity, low-energy designs to preserve perceptual quality, but the resulting watermarks lack robustn…
Audio watermarking aims to embed identifiable information into audio while remaining imperceptible. Existing methods adopt high-fidelity, low-energy designs to preserve perceptual quality, but the resulting watermarks lack robustness under suppression by speech reconstruction mod…