Noise-to-mask Ratio Loss for Deep Neural Network based Audio Watermarking
Tampere University（坦佩雷大学）
本文提出一种基于噪声掩蔽比的感知损失函数用于深度神经网络音频水印，通过NMR损失训练模型，使水印更透明，经PEAQ和MUSHRA测试验证优于传统MSE损失。
2024-08-28 cs.SD eess.AS
Multi-bit Audio Watermarking
ETH Zurich（苏黎世联邦理工学院）
该研究提出无需训练嵌入检测对的事后音频水印模型Timbru，通过预训练音频VAE潜在空间的逐音频梯度优化加扰、CLAP提取水印，在多攻击下实现更优的鲁棒性与感知质量平衡。
2025-10-02 cs.LG cs.SD eess.AS
Audio Codec Augmentation for Robust Collaborative Watermarking of Speech Synthesis
Aalto University（阿尔托大学）；National Institute of Informatics（情报学研究所）
本文扩展协同水印方法以应对不可微的传统与神经音频编解码器，利用波形域直通估计器实现黑盒增强，证明该方法对传统编解码器具良好迁移性且感知退化可忽略。
2024-09-20 cs.AI cs.SD eess.AS
IDEAW: Robust Neural Audio Watermarking with Invertible Dual-Embedding
Ping An Technology (Shenzhen) Co., Ltd.（平安科技（深圳）有限公司）；University of Science and Technology of China（中国科学技术大学）
本文提出IDEAW模型，通过双嵌入水印和优化可逆神经网络攻击层，解决了神经音频水印容量低、不可感知性差及水印定位不足的问题，实现了更高容量和更高效定位的鲁棒音频水印。
2024-09-29 cs.CR cs.MM cs.SD
Audio Watermarking with Error Correction
近年来，通过互联网的通信极大地促进了多媒体数据的分发。虽然这无疑是一个福音，但其影响之一是，它也推动了臭名昭著的在线音乐盗版问题。通过未经授权的分发以及未经授权的篡改受版权保护的音频数据来侵犯版权是一个重要的技术和研究问题。音频水印已被提出作为解决这个问题的解决方案。音频水印的主要目的是保护音频数据免受可能的威胁，并且在版权侵犯或未经授权的篡改的情况下，可以凭借音频水印来质疑这种数据的真实性。
2011-10-06 cs.CR cs.IT cs.MM
WAKE: Watermarking Audio with Key Enrichment
Tsinghua University（清华大学）；Tencent AI Lab（腾讯AI实验室）；The Chinese University of Hong Kong（香港中文大学）
提出首个密钥可控音频水印框架 WAKE，利用特定密钥嵌入与解码，支持多次嵌入后恢复初始水印及可变长度水印，在音频质量和检测准确率上优于现有模型。
2025-06-06 cs.SD eess.AS
Bloodroot: When Watermarking Turns Poisonous For Stealthy Backdoor
National Taiwan University（台湾大学）；Inventec Corporation（英业达集团）
本文提出Bloodroot框架，通过对抗性LoRA微调实现音频水印作为触发器，提升感知质量与触发成功率，验证水印中毒在语音识别和说话人识别中的有效性。
2026-03-21 eess.AS
SilentCipher: Deep Audio Watermarking
Sony AI（索尼人工智能）
针对音频水印难以兼顾不可感知性、容量与鲁棒性且现有深度学习方法存在可听伪影的问题，提出SilentCipher模型，通过心理声学阈值、伪可微压缩层与无感知损失方法，在44.1kHz音频中实现鲁棒性与不可感知性均达SOTA的水印编码。
2024-09-21 cs.CR cs.SD eess.AS
Graph Fourier Transform based Audio Zero-watermarking
Donghua University（东华大学）；Fortemedia Singapore（新加坡富迪媒体）
当今时代多媒体信息的频繁交换对版权保护提出了越来越高的要求。在这项工作中，我们提出了一种新的音频零水印技术的基础上，图傅立叶变换，以提高版权保护的鲁棒性。在该方法中，使用组合移位算子来构造图形信号，在该图形信号上执行图形傅立叶分析。然后，使用K-means算法将表示音频段的特征的所选择的最大绝对图傅立叶系数编码成特征二进制序列。最后，将生成的特征二值序列与水印二值序列进行异或运算，实现零水印的嵌入。实验结果表明，该方法在抵抗常见攻击和同步攻击方面比现有方法有更好的效果。
2021-09-16 cs.MM cs.SD eess.AS
Cross-Modal Watermarking for Authentic Audio Recovery and Tamper Localization in Synthesized Audiovisual Forgeries
Korea University（韩国大学）；New York University（纽约大学）
本文提出跨模态水印框架，将真实音频嵌入视觉内容中，以在合成视听伪造中实现真实音频恢复和音频篡改定位，实验验证其对语音克隆和唇形同步等操纵的有效防御能力。
2025-07-17 cs.MM cs.SD eess.AS
AWARE: Audio Watermarking with Adversarial Resistance to Edits
AWARE通过对抗优化在时频域内实现音频水印嵌入，采用不依赖攻击模拟堆栈和手工设计的可微分畸变的检测方法，提升水印解码可靠性。
2026-03-16 cs.LG cs.MM cs.SD
Latent Watermarking of Audio Generative Models
Meta, FAIR（Meta FAIR）；Inria（法国国家信息与自动化研究所）；Hebrew University of Jerusalem（耶路撒冷希伯来大学）
本文提出通过对训练数据添加水印来为音频潜在生成模型嵌入水印，使生成内容可被高置信度检测，无需后置水印步骤，并能识别未经许可的微调或衍生使用。
2024-09-04 cs.SD eess.AS
Invisible Watermarking for Audio Generation Diffusion Models
Fordham University（福特汉姆大学）；IBM Research - Almaden（IBM研究院阿尔马登分院）；Florida International University（佛罗里达国际大学）；Google（谷歌）
本文提出首个面向梅尔频谱图音频扩散模型的不可见水印触发机制，用于验证模型所有权与完整性，并在保持良性音频生成性能的同时抵御未授权修改。
2023-10-31 cs.CR cs.LG cs.SD
XAttnMark: Learning Robust Audio Watermarking with Cross-Attention
Department of Computer Science, Lehigh University, Bethlehem, PA, USA（莱文斯顿大学计算机科学系）；Dolby Laboratories Inc., San Francisco, CA, USA（杜比实验室公司）
提出XAttnMark，通过生成器与检测器的部分参数共享、交叉注意力机制和时间条件模块，结合心理声学对齐的时频掩蔽损失，在音频水印的鲁棒检测和准确归因上达到最优性能。
2026-05-22 cs.AI cs.CR cs.LG
WavMark: Watermarking for Audio Generation
Microsoft Research Asia（微软亚洲研究院）；Renmin University of China（中国人民大学）
本文提出了一种名为WavMark的音频水印框架，能在1秒音频中编码32位不可察觉且抗攻击的水印，有效防范语音合成风险，并在十种常见攻击下实现0.48%的低误码率。
2024-01-07 cs.CL cs.SD eess.AS
DeAR: A Deep-learning-based Audio Re-recording Resilient Watermarking
University of Science and Technology of China（中国科学技术大学）；University of Waterloo（滑铁卢大学）；National University of Singapore（新加坡国立大学）
针对音频重录音攻击导致水印失效的问题，提出基于深度学习的抗重录音音频水印框架DeAR，通过设计模拟重录音失真的专用层，在高质量嵌入下实现了98.55%的比特恢复准确率。
2023-04-03 cs.CR cs.MM cs.SD
A Comprehensive Real-World Assessment of Audio Watermarking Algorithms: Will They Survive Neural Codecs?
Sony AI（索尼人工智能）；Sony Group Corporation（索尼集团）
研究提出 RAW-Bench 基准，系统评估基于深度学习的音频水印方法在真实世界音频攻击下的鲁棒性，发现神经压缩是最大挑战，且特定失真会严重影响现有方法。
2025-05-28 cs.AI cs.CR cs.LG
Watermarking Training Data of Music Generation Models
EPFL（洛桑联邦理工学院）；Imperial College London（伦敦帝国学院）
针对音乐生成模型训练可能使用受版权保护内容的问题，本研究探讨音频水印技术的检测作用，分析水印类型、样本占比等影响因素，验证水印可引发模型输出偏移，并测试先进水印技术对移除手段的鲁棒性。
2024-12-12 cs.LG cs.SD eess.AS
VoiceMark: Zero-Shot Voice Cloning-Resistant Watermarking Approach Leveraging Speaker-Specific Latents
Tsinghua University（清华大学）；Pengcheng Laboratory（鹏城实验室）
针对零样本语音克隆场景下现有水印方法失效的问题，提出VoiceMark，利用说话人特定隐变量作为水印载体，实现零样本合成后超95%的水印检测准确率。
2025-05-30 cs.AI cs.CR cs.SD
Speech Pattern based Black-box Model Watermarking for Automatic Speech Recognition
University of Science and Technology of China（中国科学技术大学）
模型水印技术作为一种有效的知识产权（IP）保护方法，已广泛应用于各种深度神经网络（DNN），包括语音分类模型。然而，如何设计一个黑盒水印方案的自动语音识别（ASR）模型仍然是一个未解决的问题，这是一个重要的需求，保护远程ASR应用程序编程接口（API）部署在云服务器上。由于ASR模型的条件独立性假设和基于标签检测的规避攻击风险，语音分类模型的黑盒模型水印方案不能适用于ASR模型。在本文中，我们提出了第一个黑盒模型水印框架，用于保护ASR模型的IP。具体来说，我们合成触发音频传播模型所有者的语音剪辑在整个输入音频和标记的触发音频的隐写文本，隐藏作者的信息与语言隐写。在最先进的开源ASR系统DeepSpeech上的实验证明了所提出的水印方案的可行性，该方案对五种攻击具有鲁棒性，并且对准确性的影响很小。
2022-05-02 cs.CL cs.CR cs.MM
Asymmetric Phase Coding Audio Watermarking
University of California, Los Angeles（加州大学洛杉矶分校）；Meta
本文提出非对称相编码（APC）音频水印技术，结合数字签名与纠错码，实现紧凑且可验证的水印，通过多种攻击测试验证其鲁棒性与安全性。
2026-08-11 cs.CR eess.AS
Detecting Voice Cloning Attacks via Timbre Watermarking
University of Science and Technology of China（中国科学技术大学）；Nanyang Technological University（南洋理工大学）
提出“音色水印”概念及端到端抗语音克隆框架，通过频域时间不变水印与攻击共享过程建模，实现对多种语音克隆和自适应攻击的鲁棒检测。
2023-12-06 cs.MM cs.SD eess.AS
Speech watermarking: an approach for the forensic analysis of digital telephonic recordings
Escola Universitària Politècnica de Mataró（马塔罗理工学院）；Dirección General de la Guardia Civil（国民警卫队总局）；Graz University of Technology（格拉茨工业大学）
在这篇文章中，作者讨论了数字录音的司法鉴定问题。虽然法医音频已经在几篇文章中解决，但现有的方法集中在模拟磁记录上，由于市场上有大量的数字记录器（光学，固态，硬盘等），因此这些方法不太流行。提出了一种基于数字信号处理的语音水印方法，该方法结合了扩频技术。这种方法的优点在于，认证是基于信号本身而不是记录格式。因此，它适用于警察控制的电话拦截中的常用录音设备。此外，我们的建议允许引入相关信息，例如记录日期和时间以及所有相关数据（这对于经典系统并不总是可能的）。我们的实验结果表明，语音水印程序不干扰后验说话人辨识的显着方式。
2022-03-12 cs.CR cs.LG cs.SD
GROOT: Generating Robust Watermark for Diffusion-Model-Based Audio Synthesis
Huaqiao University（华侨大学）；Shenzhen University（深圳大学）
针对扩散模型合成音频的监管难题，提出生成式鲁棒水印方法Groot，在音频合成时同步嵌入水印，经轻量解码器提取，对复合攻击鲁棒，平均提取准确率约95%。
2024-07-17 cs.AI cs.CR cs.SD
SpeechVerifier: Robust Acoustic Fingerprint against Tampering Attacks via Watermarking
University of Houston（德克萨斯大学休斯顿分校）；Waseda University（早稻田大学）；University of Hawaii at Mānoa（夏威夷大学马诺阿分校）
本文提出 SpeechVerifier，通过多尺度特征提取、对比学习生成指纹并结合分段水印嵌入，实现无需外部参考的语音完整性自验证，兼顾篡改检测敏感性与良性操作鲁棒性。
2025-06-02 cs.CR cs.SD eess.AS
Deep Audio Zooming: Beamwidth-Controllable Neural Beamformer
本文提出一种波束宽度可控的神经波束形成方法，通过引入视野（FOV）特征及反FOV特征，实现了对用户定义角度区域内声音信号的精细捕捉与增强，并有效融入低功耗子带模型以支持实时应用。
2023-11-22 eess.AS
DWT-GBT-SVD-based Robust Speech Steganography
Islamic Azad University, Doroud Branch（伊斯兰阿扎大学多鲁德分校）；Islamic Azad University, Boroujerd Branch（伊斯兰阿扎大学布鲁杰尔德分校）
隐写术是一种可以提高网络安全性，使通信更加安全的方法。在该方法中，秘密消息被隐藏在诸如音频信号的内容中，该音频信号不应该通过收听音频或看到信号波而被感知。此外，它应该对不同的常见攻击（如噪声和压缩）具有鲁棒性。在本文中，我们提出了一种新的语音隐写方法的基础上相结合的离散小波变换，基于图的变换，奇异值分解（SVD）。在该方法中，我们首先找到有声帧的能量和零交叉计数的基础上，然后嵌入一个二进制消息到有声帧。在NOIZEUS数据库上的实验结果表明，该方法具有较好的不可感知性，并且对高斯噪声、重采样、重量化、高通滤波和低通滤波具有较好的鲁棒性。此外，它对MP3压缩和缩放水印应用是鲁棒的。
2020-04-27 cs.MM cs.SD eess.AS
VocalCrypt: Novel Active Defense Against Deepfake Voice Based on Masking Effect
School of Information Science and Engineering, Lanzhou University（兰州大学信息科学与工程学院）
本文提出VocalCrypt主动防御方法，通过SFS向音频嵌入不可察觉的伪音色干扰以阻止AI语音克隆，在保持音质与ASV表现的同时将生成速度提升500%。
2025-02-14 cs.CR cs.MM cs.SD
Who is Speaking Actually? Robust and Versatile Speaker Traceability for Voice Conversion
Wuhan University（武汉大学）；Nanyang Technological University（南洋理工大学）
本文首次提出语音转换的说话人溯源问题，并设计VoxTracer框架，通过VAE-Glow结构将源说话人身份不可感知地嵌入并准确恢复，在多种压缩和比特率下实现近100%追踪准确率。
2023-07-26 cs.MM cs.SD eess.AS
RAVSS: Robust Audio-Visual Speech Separation in Multi-Speaker Scenarios with Missing Visual Cues
Nanjing University（南京大学）
本文提出RAVSS框架，通过单一过程实现多说话人并发分离并引入说话人间交互，在VoxCeleb2和LRS3数据集上取得最先进性能，且对视觉线索缺失表现出更强鲁棒性。
2024-07-30 cs.MM cs.SD eess.AS
Pièces de viole des Cinq Livres and their statistical signatures: the musical work of Marin Marais and Jordi Savall
Centro Regional de Investigaciones Multidisciplinarias, Universidad Nacional Autónoma de México（墨西哥国立自治大学区域多学科研究中心）；Facultad de Economía, Universidad Nacional Autónoma de México（墨西哥国立自治大学经济学院）
本研究采用复杂系统方法分析Marin Marais与Jordi Savall合作的《Pièces de viole des Cinq Livres》音频频谱，发现各卷频率成分均呈高度偏态分布，指数分布是其最具代表性的统计特征。
2024-04-29 cs.SD eess.AS stat.AP
Polar $n$-Complex and $n$-Bicomplex Singular Value Decomposition and Principal Component Pursuit
Research Center for Information Technology Innovation, Academia Sinica（中央研究院资讯科技创新研究中心）
通过最近的工作通知张量奇异值分解和循环代数矩阵，本文提出了一个新的理论桥梁，统一的超复数和基于张量的奇异值分解和鲁棒主成分分析的方法。我们开始我们的工作，通过延长Olariu的极性$n$-复杂的数字，以及他们的双复的主要组成部分的追求。在这样做的时候，我们推导出了极性$n$-复和$n$-双复邻近算子的$\ell_1$-和迹-范数正则化，它可以被使用的邻近优化方法，如交替方向的乘法。两组音频数据的实验结果表明，我们的代数通知配方优于张量鲁棒主成分分析。我们的结论是，一个明智的定义的痕迹规范可以弥合超复杂和基于张量的方法之间的差距。我们的方法可以被看作是一个一般的方法，生成其他主成分追踪算法与适当的代数结构。
2018-01-09 cs.MM cs.SD eess.AS
