شهد توليد الموسيقى باستخدام الذكاء الاصطناعي تقدمًا مثيرًا مؤخرًا، مما أدي إلى ظهور الحاجة إلى آليات موثوقة لوضع العلامات المائية لضمان المنشأ والنسب. وعلى الرغم من ذلك، ركزت الأبحاث الحالية بشكلٍ كبير على وضع العلامات المائية في الكلام، مما يجعل تطبيق هذه الأساليب على الموسيقى تحديًا، نظرًا لتعقيد هيكل الموسيقى وغناها بالنسيج الصوتي.

تُعتبر معظم الأساليب الحالية ما بعد الإنتاج، حيث تُضاف الاضطرابات غير الملحوظة بعد عملية التوليد بدلاً من تضمين العلامات المائية كجزء من المحتوى منذ البداية، مما يجعلها ضعيفة أمام التحولات وقابلة للانتهاك من خلال عمليات إعادة التركيب المتطورة. حيث ان تزامن عملية التوليد ووضع العلامات المائية غالبًا ما يمكن تخطيها، مما يضعف من ضمانات المنشأ.

لمعالجة هذه القضايا، تم اقتراح MusicMark، والذي يعد، على حد علمنا، أول إطار لوضع العلامات المائية التوليدية مخصص للموسيقى. يتمثل الابتكار الرئيسي في تضمين الرسائل المائية في الفضاء الكامن الدلالي خلال عملية التوليد، مما يمنح علامات مائية جزءًا مدمجًا من المحتوى الموسيقي، ويضمن قوة الاستجابة ضد مجموعة متنوعة من الهجمات، وخاصة إعادة التركيب باستخدام الشبكات العصبية.

من خلال تقديم محول العلامات المائية في نموذج التوليد القائم على الانتشار، يتم تضمين الرسائل المائية عبر خطوات إزالة الضوضاء. يتم تدريب المحول والكاشف مع هدف مشترك يحافظ على جودة الصوت من خلال الحفاظ على القيم الكامنة المائية قريبة من نظيراتها غير المائية، بينما تعزز من القوة من خلال تحسين الهجمات.

أثبتت التجارب أن MusicMark يتفوق بشكل كبير على الأساليب التقليدية بعد الإنتاج عبر مجموعة متنوعة من الهجمات، بما في ذلك إعادة التركيب باستخدام الشبكات العصبية، بينما تحافظ على جودة التوليد المعروفة. بالإضافة إلى ذلك، تم تقديم هجوم تغطية الأغاني، والذي يحول الصوت الغنائي مع الحفاظ على المحتوى الموسيقي، وأظهرت النتائج أن MusicMark يظل أكثر قوة من الأساليب التي تعتمد على العلامات المائية اللاحقة.