論文の概要: GAMW: Generation-Aware Mel-Domain Watermarking for TTS Traceability

• arxiv url: http://arxiv.org/abs/2610.15082v1
• Date: Sat, 10 Oct 2026 17:30:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.160972
• Title: GAMW: Generation-Aware Mel-Domain Watermarking for TTS Traceability
• Title（参考訳）: GAMW:TTSトレーサビリティのためのジェネレーション対応メルドメイン透かし
• Abstract要約: 音声透かしは、知覚不能で機械が保存可能な情報を音声に埋め込むことによって証明を提供する。 本稿では,テキスト音声生成プロセスに統合された透かし注入フレームワークであるGAMWを提案する。 16ビットのペイロードでは、GAMWは最強のベースライン上の復号精度を、個人と複合の摂動の下で9.2と23.5ポイント向上させる。
• 参考スコア（独自算出の注目度）: 15.212889864612942
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As text-to-speech (TTS) systems continue to advance, provenance tracking and security verification of synthesized speech have become increasingly important. Audio watermarking provides active provenance by embedding imperceptible, machine-recoverable information into speech. However, existing post-hoc methods typically modify the waveform after synthesis, leaving the watermark vulnerable to compound perturbations. To address this limitation, we propose GAMW, a watermark injection framework integrated into the TTS generation process. Before waveform synthesis, GAMW embeds a content-adaptive multi-bit watermark residual into the generated representation, and its decoding objective combines focal modulation with dynamic per-bit weighting. We train and evaluate GAMW separately on two TTS backbones. With a 16-bit payload, GAMW improves decoding accuracy over the strongest baseline by 9.2 and 23.5 percentage points under individual and compound perturbations, respectively, while maintaining competitive speech quality. Reliable clean-speech decoding is also retained at higher payloads. Code is available at https://github.com/ZConJugaTe/GAMW.
• Abstract（参考訳）: 音声合成システム(TTS)の進歩に伴い,音声合成の精度向上とセキュリティ検証がますます重要になっている。 音声透かしは、知覚不能で機械が保存可能な情報を音声に埋め込むことによって、活発な証明を提供する。 しかし、既存のポストホック法は一般的に合成後の波形を変化させ、透かしは複合摂動に弱いままである。 この制限に対処するために,TTS生成プロセスに統合された透かし注入フレームワークであるGAMWを提案する。 波形合成に先立ち、GAMWはコンテント適応型マルチビット透かし残差を生成された表現に埋め込み、その復号目的は焦点変調と動的ビットごとの重み付けを組み合わせる。 2つのTSバックボーン上でGAMWを個別に訓練し評価する。 16ビットのペイロードでは、GAMWは最強のベースライン上での復号精度を、それぞれ1対1の摂動下で9.2と23.5のパーセンテージで改善し、競合する音声品質を維持している。 信頼性の高いクリーン音声復号も高いペイロードに保持されている。 コードはhttps://github.com/ZConJugaTe/GAMWで入手できる。

関連論文リスト

• MARC: Multi-Bit Watermarking for Autoregressive Audio Generation against Codec Attacks [7.621467658042128]
  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。
  論文  参考訳（メタデータ） (2026-10-08T08:30:17Z)
• Hear to See: Discerning Stateful Listening for Audio-Visual Instance Segmentation [58.79612575170589]
  既存の手法では、重なり合う音響イベントと視覚的インスタンスをマッチングし、音声視覚力学を扱うのに苦労している。 本稿では,2つのメカニズムを用いて,これらの課題に対処するH2Sを提案する。 論文が受け入れられたら、コードはオープンソースになる。
  論文  参考訳（メタデータ） (2026-08-04T07:35:57Z)
• MelShield: Robust Mel-Domain Audio Watermarking for Provenance Attribution of AI Generated Synthesized Speech [11.952228555970883]
  MelShieldは、著作権保護と信頼できる属性のために、識別可能な信号をAI生成オーディオに埋め込む。 MelShieldは生成プロセス中にMel-spectrogramドメインで動作する。 DiffWaveとHiFi-GANの実験では、MelShieldは信頼性の高い透かし抽出を実現し、100%ビット精度に近づいた。
  論文  参考訳（メタデータ） (2026-05-02T16:07:12Z)
• 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)
• Towards Generalized Source Tracing for Codec-Based Deepfake Speech [52.68106957822706]
  本稿では,意味的特徴符号化にWhisperを,音響的特徴符号化にAudioMAEにWav2vec2を併用したSemantic-Acoustic Source Tracing Network(SASTNet)を紹介する。 提案したSASTNetは,CodecFake+データセットのCoSGテストセット上での最先端性能を実現し,信頼性の高いソーストレースの有効性を実証する。
  論文  参考訳（メタデータ） (2025-06-08T21:36:10Z)
• 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)
• 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)

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。