隐藏在普通词元中：简单稳健、无梯度的合成音频水印

随着政策赶上生成人工智能的能力，水印成为内容来源工作的核心。由于离散化不一致，自回归模型的推理时间水印不适合连续模态。现有方法通过微调模态标记器来克服这个问题，消除水印的 无需训练 优势。在这项工作中，受离散化词汇冗余的推动，我们提出了一种优雅的解决方案，用于合成音频的强大且鲁棒的水印。我们从理论上分析了词元错误对水印检测的影响，并使用通过社区检测获得的减少的词汇量有效地减轻了它们。彻底的实验表明，我们的无梯度方法可以将可检测性提高几个数量级，同时还实现了对音频修改的内置鲁棒性。总的来说，我们发现了多媒体中 词元级 水印的一种新的最先进技术，它源于离散表示学习的本质。