新音频水印框架CRAW声称可抗神经编解码器，用于合成语音溯源
以色列研究人员提出将失真感知训练、注意力池化、感知掩码和纠错码结合，声称在神经编解码器等变换下保持高鲁棒性，代码已公开。
AI解读：生成式语音模型让真假音频越来越难分辨，骗子可能用合成声音冒充他人。现有事后嵌入的水印在音频经过神经编解码器、降噪器等常规处理后会失效，溯源就断了。CRAW的思路是在训练阶段就模拟这些失真（失真感知训练），并利用注意力池化提取关键特征、推理时用感知掩码把水印藏在人耳不敏感的区域，再用纠错码弥补训练中损失的细节。论文声称，它在神经编解码器、降噪器和声码器下达到当前最好鲁棒性，音质与现有方法相当。对做语音生成或内容平台的人来说，这意味着若复现有效，可在压缩或转码后的音频里仍追踪到来源，减少深度伪造欺诈；但该结论出自论文作者自己的实验，尚无第三方实测或真实部署数据，普通用户不需要立即采取行动。代码已公开（github.com/DavidC1212/craw），开发者和研究者可自行验证。
以色列Bar-Ilan大学研究者David Chernin和Ethan Fetaya在arXiv发表论文，提出一种名为CRAW（Codec Robust Audio Watermarking）的音频水印框架，声称能抵抗神经编解码器和降噪器等变换，同时维持高感知质量。论文摘要称，现有事后（post-hoc）水印方法在这些变换下会失效，而CRAW采用失真感知训练、注意力池化、推理时感知掩码结合纠错码的办法，实验显示对神经编解码器、降噪器和声码器具有当前最优鲁棒性，感知质量与现有事后水印方法相当。代码已发布在GitHub上，地址为https://github.com/DavidC1212/craw。