使用SynthID检测ElevenLabs生成的音频

随着AI音频生成质量的飞速提升，区分人声与合成音变得越来越困难。为了让用户能够明确知晓是否在与AI交互，ElevenLabs宣布与Google DeepMind合作，将SynthID数字水印技术集成到其生成的音频中。SynthID是一种人耳无法感知的音频水印，即使在音频被剪辑、变速、剥离元数据或转换文件格式后，依然可以稳定存在。本周，ElevenLabs已开始为免费用户的文本转语音生成集成SynthID，并计划在未来几周内覆盖所有音频生成类型。

为了进一步强化透明度和问责制，ElevenLabs推出了免费的音频检测器（ElevenLabs Audio Detector）。该工具利用SynthID技术，允许任何人上传音频并验证其是否由ElevenLabs生成。此前，ElevenLabs已有AI语音分类器和用户追溯系统，但SynthID提供了更强大的归因能力，有助于在恶意行为者突破安全措施时采取行动。随着越来越多的司法管辖区要求对AI生成内容进行机器可读标记，SynthID与现有的C2PA凭证等溯源工具互为补充。

在技术层面，SynthID通过在音频中隐藏一种人耳无法察觉的声音模式来工作，每个文件拥有独特的模式，且能抵抗压缩、裁剪和速度变化等常见操作。ElevenLabs的基准测试显示，SynthID满足所有技术要求：不增加首次字节时间延迟、高检测率与低误报率、对变换具有鲁棒性、对人耳不可感知且不降低音频质量，且无法被复制到非ElevenLabs生成的音频上。

展望未来，水印技术不仅关乎透明度，还将开启新的产品能力。例如，创作者和知识产权持有者可以直接在内容中嵌入元数据，以便在YouTube、Instagram和TikTok等平台上检测并处理版权侵犯。ElevenLabs表示，随着模型变得更强大和逼真，其问责基础设施也必须同步跟进，而更好的内容来源归因将有助于构建更可信的信息生态系统。