AI生成的音频，加了水印也可能被压缩弄丢：新方法想让它更耐压

水印为什么怕压缩

给AI生成的音频加水印，是为了在它被传播、被处理之后，还能确认这段声音从哪来。麻烦在于，自回归方式生成的音频，波形经过编解码处理后，从中还原出的标记序列会变，水印检测和内容解码的可靠性随之下降。

现有做法要么利用标记本身的关系，要么利用变换造成的替换规律，两者分开建模。而且多数方法只支持“零比特”检测：能判断有没有水印，却分不出不同的生成结果。

MARC想解决什么

作者提出的MARC，把标记本身的关系和重新标记、多种编解码器带来的混淆规律合在一起，构成一个对编解码敏感的词元簇空间。在这个空间里，用载荷驱动的簇调度嵌入多位水印，检测和解码则在重新标记后的观测上进行。

据作者报告，在语音、对话和音乐生成上的实验中，未修改的水印音频平均比特提取准确率为97.3%。作者还称，水印在多种编解码攻击下仍可提取，对覆写攻击也表现出鲁棒性。

多位水印和“有没有”的区别，是这段材料里最实际的一点：前者能区分不同的生成结果，而不只是给整批音频盖一个“AI生成”的戳。不过这些数字来自作者自己的实验，预印本尚未经过同行评审，实际部署中的表现还需要更多独立验证。