上海交大团队提出无水印TTS溯源框架：联合训练鉴别器实现强模型归因
论文提出不嵌入显式水印、通过联合训练TTS模型与鉴别器进行模型归因的新框架，称在提升溯源泛化性的同时保持甚至轻微改善音频质量。
AI解读：语音克隆越来越逼真，深度伪造风险随之上升，但现有溯源手段主要靠给合成语音嵌入水印（在语音或声码器上），这会损伤音质、也容易被伪造攻击。这篇论文换了一条路：不再依赖水印痕迹，而是把TTS生成器和鉴别器放在一起训练，让模型本身学会识别“哪段语音是自己生成的”，从而在源头实现模型归因。对需要审计音频来源的机构或平台来说，这种方法的吸引力在于它不牺牲音质——论文称能保持甚至轻微改善音频质量——同时泛化性更强。但论文目前只是arXiv预印本，只展示了方案与初步结果，代码要等论文被接收才发布，也没有公开可复现的基准对比，所以还谈不上立刻部署。真正的判断要等代码和第三方评测出来，现阶段更适合做技术跟踪，而非落地选型。
上海交通大学团队7月5日在arXiv提交论文，提出一种无显式水印的TTS模型溯源框架：不向合成语音嵌入水印，而是通过联合训练TTS模型与鉴别器实现模型归因，称溯源泛化性显著提升，同时保持甚至轻微改善音频质量。
论文称这是首个面向“无痕强溯源TTS”（watermark-free TTS with strong traceability）的工作，代码将在论文被接收后发布。
方法：放弃水印，转向联合训练
现有溯源方法主要依赖在语音或声码器上嵌入显式水印，论文指出这类方法会降低语音质量，且易受欺骗攻击（spoofing）。
研究者提出替代方案：不使用水印，而是以联合训练方式同时训练TTS模型和鉴别器，使模型归因能力显著提升。作者将这一方向定义为“首个”无痕强溯源TTS工作。
论文状态与发布计划
论文由Yuxiang Zhao、Yunchong Xiao、Yushen Chen、Zhikang Niu、Shuai Wang、Kai Yu、Xie Chen署名，已于2025年7月5日提交至arXiv（编号2507.03887），属于音频与语音处理（eess.AS）及人工智能（cs.AI）方向。
作者计划在论文被接收后发布代码，以便进相关领域研究。摘要未包含具体实验数据或与基线方法的量化对比。