音乐生成模型训练数据的水印化
机器学习
2024-12-13 v2 声音
音频与语音处理
摘要
生成式人工智能 (Gen-AI) 模型正在跨越文本、图像、音频等领域广泛用于内容生成。尽管这些模型代表了重大的技术突破，但它们的生成能力源于在大量人类生成内容上训练，常包括受版权保护的材料。本文研究音频水印技术能否用于检测未经授权的内容用于训练音乐生成模型。我们将水印化数据训练的模型输出与未水印化数据训练的模型输出进行比较。我们研究影响模型生成行为的因素：水印技术、训练集中水印样本比例以及水印技术对模型分词器的鲁棒性。我们的结果表明，音频水印技术（包括对人类不可感知的技术）可导致模型输出出现可察觉的变化。我们还研究了最新水印技术对去除技术的鲁棒性。
引用
@article{arxiv.2412.08549,
title = {Watermarking Training Data of Music Generation Models},
author = {Pascal Epple and Igor Shilov and Bozhidar Stevanoski and Yves-Alexandre de Montjoye},
journal= {arXiv preprint arXiv:2412.08549},
year = {2024}
}