재구성 왜곡에 대한 강건성을 위한 특징 정렬 음성 워터마킹 (Feature-Aligned Speech Watermarking)

오디오 워터마킹 (Audio watermarking)은 인지되지 않는 상태를 유지하면서 오디오에 식별 가능한 정보를 삽입하는 것을 목표로 합니다. 기존 방법들은 지각적 품질 (perceptual quality)을 보존하기 위해 고충실도 (high-fidelity), 저에너지 (low-energy) 설계를 채택하지만, 결과적으로 생성된 워터마크는 음성 재구성 모델 (speech reconstruction models)에 의한 억제 상황에서 강건성 (robustness)이 부족합니다. 기존 설계에 내재된 강건성-충실도 트레이드오프 (robustness-fidelity trade-off), 즉 워터마크 에너지를 높이면 강건성은 향상되지만 충실도가 감소하는 문제 때문에 강건성을 개선하는 것은 매우 어렵습니다. 이 문제를 해결하기 위해, 우리는 워터마크를 원래 음성 특징 분포 (speech feature distribution)와 정렬하여, 인지 불가능성을 유지하면서도 더 높은 워터마크 에너지로 강건성을 향상시킬 수 있는 특징 정렬 (feature-aligned) 워터마킹 방법을 제안합니다. 우리는 사전 학습된 음성 코덱 (pretrained speech codec)을 사용하여 의사 음성 (pseudo-speech) 워터마크를 생성하고 이를 입력 오디오의 스펙트로그램 (spectrogram)에 융합하며, VAD 손실 (VAD loss) 및 지각 손실 (perceptual losses)을 사용하여 유성 구간 (voiced regions) 내에서의 삽입을 유도합니다. 실험 결과, 우리의 방법은 기존 방식과 대등한 수준의 인지 불가능성을 유지하면서도, 학습된(seen) 및 미학습된(unseen) 음성 재구성 모델 모두에서 강건성을 실질적으로 향상시킴을 보여줍니다.