基于正交幅度调制的音频扩散模型鲁棒水印技术：为生成式AI音频版权保护提供新范式

本文提出一种针对音频扩散模型的创新型水印方案，通过正交幅度调制（4-QAM）和条形码式嵌入技术，实现比传统幅度调制方法高两倍的信息嵌入量。该训练无关的插件式水印有效保护服务提供商与用户版权，在抗剪切粘贴攻击等方面展现卓越鲁棒性，为生成式人工智能（AI）音频内容的版权认证提供突破性解决方案。

　　

亮点 (Highlights)

• 首次将扩散模型图像水印概念拓展至音频生成领域

• 提出适用于音频域的正交幅度调制（QAM）条形码水印

• 实验证明该水印在抗剪切粘贴等攻击下具有显著优越的检测性能和更低误码率

方法 (Method)

本节逐步阐述音频水印技术的实现流程，详细解析条形码水印形态和4-QAM调制机制。通过将水印嵌入音频信号的1D快速傅里叶变换（FFT）域，完美契合音频信号的时频特性，形成类似遗传密码（Genetic Code）的独特标识模式。

实验 (Experiments)

本研究通过多组攻击场景测试（包括剪切粘贴篡改），证实本水印方案不仅较其他模型具有更强的水印识别鲁棒性，还能更高精度判定水印存在性。其表现犹如分子生物学的特异性探针（Specific Probe），精准捕捉目标信号。

结论 (Conclusion)

本研究为音频扩散模型设计了创新水印技术。不同于后处理（post-hoc）方法，我们的插件式水印能有效保护扩散模型服务提供商的版权，填补了数字内容创作领域的核心需求。通过针对音频1D特性设计的条形码水印，在1D FFT域实现嵌入，该设计确保水印具备类似生物抗逆性（Stress Resistance）的强韧特质。