論文の概要: MARC: Multi-Bit Watermarking for Autoregressive Audio Generation against Codec Attacks

• arxiv url: http://arxiv.org/abs/2610.11488v1
• Date: Thu, 08 Oct 2026 08:30:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.894458
• Title: MARC: Multi-Bit Watermarking for Autoregressive Audio Generation against Codec Attacks
• Title（参考訳）: MARC:コーデック攻撃に対する自動回帰オーディオ生成のためのマルチビット透かし
• Abstract要約: MARCは自動回帰音声生成のためのマルチビット生成型透かし方式である。 音声、対話、音楽生成の実験により、MARCは平均97.3%のビット抽出精度を達成した。
• 参考スコア（独自算出の注目度）: 7.621467658042128
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generated audio is now used in a range of applications, creating a need to verify its origin after distribution and signal processing. This task is particularly challenging for autoregressive audio generation because codec processing can alter the token sequence recovered from the waveform. Such changes reduce the reliability of watermark detection and payload decoding. Existing methods construct token groups using either intrinsic token representations or substitution patterns caused by transformations. As a result, intrinsic token relationships and codec induced substitutions are modeled separately. In addition, most methods support only zero bit detection. They can determine whether a watermark is present but cannot distinguish individual generated outputs. We propose \textbf{MARC}, a multi-bit generative watermarking method for autoregressive audio generation. MARC integrates intrinsic token representations with confusion patterns obtained through retokenization and multiple codecs, forming a codec-aware token-cluster space. Within this space, payload-driven cluster scheduling is used to embed a multi-bit watermark, while detection and payload decoding are performed on retokenized observations. Experiments on speech, dialogue, and music generation show that MARC achieves an average of 97.3\% bit extraction accuracy on unmodified watermarked audio and the watermark can still be extracted under diverse codec attacks. MARC also demonstrates robustness to overwriting attacks.
• Abstract（参考訳）: 生成したオーディオは様々なアプリケーションで使われており、配信と信号処理の後にその起源を確認する必要がある。 このタスクは、コーデック処理が波形から復元されたトークンシーケンスを変更できるため、自動回帰音声生成において特に困難である。 このような変更により、透かし検出とペイロード復号の信頼性が低下する。 既存の方法は、固有のトークン表現または変換によって引き起こされる置換パターンを用いてトークン群を構成する。 その結果、固有のトークン関係とコーデックによる置換は別々にモデル化される。 さらに、ほとんどのメソッドはゼロビット検出のみをサポートする。 透かしが存在するかどうかを判断できるが、個々の出力を区別することはできない。 自動回帰音声生成のためのマルチビット生成型透かし法である「textbf{MARC}」を提案する。 MARCは、再トークン化と複数のコーデックによって得られる混乱パターンと固有のトークン表現を統合し、コーデック対応のトークンクラスタ空間を形成する。 この空間内では、ペイロード駆動クラスタスケジューリングを使用してマルチビットの透かしを埋め込むとともに、再起動された観測に対して検出とペイロード復号を行う。 音声、対話、音楽生成の実験では、MARCは修正されていない透かしによる平均97.3倍のビット抽出精度を達成しており、透かしは様々なコーデック攻撃の下で抽出可能である。 MARCは攻撃を上書きする堅牢性も示している。

関連論文リスト

• CRAW: Codec Robust Audio Watermarking [9.852158589873419]
  CRAWは、高い知覚品質を維持しながら、神経再生に対する堅牢性を改善するオーディオ透かしフレームワークである。 実験により、CRAWはニューラルコーデック、デノイザ、ボコーダに対する最先端の堅牢性を達成することが示された。
  論文  参考訳（メタデータ） (2026-09-02T19:44:04Z)
• EntangleCodec: A Unified Discrete Audio Tokenizer via Semantic-Acoustic Entanglement [54.95940885045993]
  EntangleCodecは、量子化の前にキャプションに沿った意味音響表現を学習する独立したオーディオトークンである。 コンパクトなトークンストリーム内に言語内容、話者識別、感情、韻律、音響シーンをキャプチャする。 特殊なコーデックと競合する再構成品質を実現し、統合されたフレームワークでTSとTTAの生成をサポートする。
  論文  参考訳（メタデータ） (2026-06-01T18:05:18Z)
• SimSD: Simple Speculative Decoding in Diffusion Language Models [61.33773959352141]
  拡散大言語モデル (dLLMs) は、並列またはブロックワイド復号による高速な推論を提供する。 彼らのマスク付き言語モデリングの定式化は、標準的なトークンレベルの投機的復号法とは相容れないままである。 我々は,dLLMに時間的に有効なトークンレベルのコンテキストを付与する,SimSDと呼ばれるdLLMの投機的復号アルゴリズムを提案する。 提案手法は,平均生成品質を維持しつつ,最大7.46倍高い復号スループットを実現する。
  論文  参考訳（メタデータ） (2026-06-01T17:46:46Z)
• Latent-Mark: An Audio Watermark Robust to Neural Resynthesis [62.09761127079914]
  Latent-Markはセマンティック圧縮に耐えられるように設計された最初のゼロビットオーディオ透かしフレームワークである。 私たちの重要な洞察は、エンコード-デコードプロセスに対する堅牢性は、不変の潜在空間に透かしを埋め込む必要があるということです。 我々の研究は、ますます複雑で多様な生成歪みをまたいで整合性を維持することができる普遍的な透かしフレームワークに、将来の研究をインスピレーションを与えます。
  論文  参考訳（メタデータ） (2026-03-05T15:51:09Z)
• dgMARK: Decoding-Guided Watermarking for Diffusion Language Models [5.43345665278304]
  dgMARKは離散拡散言語モデルのための復号誘導型透かし法である。 dgMARKは、逆候補トークンが単純なパリティ制約を満たす位置に対して、偽りの順序を定めている。 透かしはパリティマッチング統計によって検出される。
  論文  参考訳（メタデータ） (2026-01-30T13:51:20Z)
• XAttnMark: Learning Robust Audio Watermarking with Cross-Attention [15.216472445154064]
  クロスアテンションロバスト音響透かし(XAttnMark) 本稿では,ジェネレータと検出器間の部分パラメータ共有を利用してギャップを埋めるクロスアテンションロバスト音響透かし(XAttnMark)を提案する。 本研究では, 聴覚マスキング効果の微粒化を捉え, 透かしの受容性を向上する心理音響整列型時間周波数マスキング障害を提案する。
  論文  参考訳（メタデータ） (2025-02-06T17:15:08Z)
• Audio Codec Augmentation for Robust Collaborative Watermarking of Speech Synthesis [9.48476556434306]
  本稿では,従来の音声コーデックとニューラルオーディオコーデックを併用するために,チャネル拡張を拡張した。 リスニングテストでは、8kbpsの高コーデックやDACで、協調的な透かしが知覚上の劣化を無視できることを示した。
  論文  参考訳（メタデータ） (2024-09-20T10:33:17Z)
• An Unforgeable Publicly Verifiable Watermark for Large Language Models [84.2805275589553]
  現在の透かし検出アルゴリズムは、透かし生成プロセスで使用される秘密鍵を必要としており、公開検出中にセキュリティ違反や偽造の影響を受ける。 両段階で同じキーを使用するのではなく、2つの異なるニューラルネットワークを用いて透かしの生成と検出を行う。
  論文  参考訳（メタデータ） (2023-07-30T13:43:27Z)
• Masked Autoencoders that Listen [79.99280830830854]
  本稿では,画像ベースMasked Autoencoders(MAE)の音声スペクトログラムからの自己教師型表現学習への簡単な拡張について検討する。 MAEにおけるTransformer encoder-decoderの設計に続いて、Audio-MAEはまず、ハイマスキング比でオーディオスペクトログラムパッチを符号化し、エンコーダ層を介して非マスキングトークンのみを供給します。 次にデコーダは、入力スペクトログラムを再構築するために、マスクトークンでパッドされたエンコードされたコンテキストを再注文し、デコードする。
  論文  参考訳（メタデータ） (2022-07-13T17:59:55Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。