语音克隆的主动检测：局部化水印技术

在快速发展的语音生成模型领域，迫切需要确保音频真实性，以应对语音克隆的风险。我们提出 AudioSeal，这是首个专为局部化检测人工智能生成语音而设计的音频水印技术。AudioSeal 采用生成器/检测器架构，通过联合训练局部化损失函数，实现对音频样本级别的局部化水印检测；并引入一种新颖的感知损失，灵感来自听觉遮蔽，使 AudioSeal 在鲁棒性和不可感知性方面实现最新进展。基于自动和人类评估指标，AudioSeal 在鲁棒性和不可感知性方面均实现最新表现。此外，AudioSeal 采用快速单遍检测器，显著优于现有模型的速度——实现约快两个数量级，适用于大规模和实时应用。