公开(公告)号：CN120048270A

公开(公告)日：2025-05-27

申请号：CN202510193427.6

申请日：2025-02-21

Applicant: 北京邮电大学

Inventor： 张茹 ,  薛城标 ,  刘建毅 ,  岩峰

IPC: G10L19/018 ,  G10L13/02 ,  G10L25/30 ,  G06N3/0464 ,  G06N3/048

Abstract: 本发明公开一种基于VITS的文本到语音合成模型水印方法。该方法首先在VITS模型的语音编码阶段加入矢量量化模块，将编码后的连续隐变量量化为离散数据。然后使用水印编码器将水印信息嵌入到隐变量中，作为解码器的输入生成带有水印的合成语音。在水印提取阶段，采用基于ResNet和时序注意力机制的水印提取器准确恢复水印信息。此外，该方法的设计还包括攻击模拟模块，以提高水印的鲁棒性，通过实验分析对比，本发明的模型在音频质量、语音可懂度和水印提取精度方面均表现良好。本发明适用于信息安全领域，结合深度学习和内生水印技术，能够有效解决语音合成中的版权保护和溯源问题，确保语音数据在各种环境中的安全性和可追溯性，应用前景广泛。