隐藏于词标记之间：用于合成音频的简单稳健、无梯度水印
机器学习
2026-05-26 v1 声音
摘要
随着政策与生成式 AI 能力的同步进展，水印成为内容来源识别的核心问题。针对自回归模型的推理时水印不适用于连续模态，由于离散化不一致性。现有方法通过微调模态标记器来克服这一点，消除了水印的训练-free 优势。在本工作中，我们受离散化词汇冗余的启发，提出了一种优雅解决方案，用于合成音频的强大且稳健的水印。我们对标记错误对水印检测的影响进行了理论分析，并通过通过社区检测获得的简化词汇表来有效缓解这些错误。深入实验表明，我们的无梯度方法可将检测可达性提升多个数量级，同时实现对音频修改的内置鲁棒性。广泛而言，我们发现了多媒体中基于词标记的水印的新型 SOTA，这简单地源于离散表示学习的本质。
引用
@article{arxiv.2605.25967,
title = {Hidden in Plain Tokens: Simply Robust, Gradient-Free Watermark for Synthetic Audio},
author = {Georgios Milis and Yubin Qin and Yihan Wu and Heng Huang},
journal= {arXiv preprint arXiv:2605.25967},
year = {2026}
}
备注
Accepted to ICML 2026