AI音频“无痕溯源” 标识“隐而不失”
谢伟铎在首期大湾区人工智能安全发展交流节气会上做分享。
随着生成式人工智能技术的飞速发展，AI语音合成、语音克隆已渗透至智能交互、媒体传播、远程办公等多元场景。《生成式人工智能服务管理暂行办法》明确要求，生成式AI服务提供者需对生成内容进行清晰标识，确保可追溯、可核验。广州烁谷科技以技术创新响应政策要求，自研VocaMark音频隐形水印技术与VocaAntiFake音频鉴伪专家大模型，率先实现AI生成音频与涉版权音频的“无痕溯源”与“高精度鉴别”，为落实AI标识政策、筑牢数字音频安全防线提供了工业级解决方案。
音频安全进入“可溯可鉴”时代
数字经济的蓬勃发展推动音频内容呈爆发式增长，与此同时深度合成技术的普及使得音频伪造门槛大幅降低，虚假政治言论、金融诈骗录音、版权侵权等事件频发。政策层面的监管要求愈发严格，除《生成式人工智能服务管理暂行办法》外，2025年9月1日施行的《人工智能生成合成内容标识办法》要求AI生成文字、图片、视频等内容必须“亮明身份”，国家层面对数字版权保护、数据安全的重视程度持续提升，迫切需要一套兼顾隐蔽性、实用性与安全性的技术方案，实现AI音频“隐而不失”的标识管理。烁谷科技以技术创新回应行业痛点，构建起“创造—应用—守护”的技术安全闭环，完成从技术研发到产业化落地的关键跨越，让音频安全进入“可溯可鉴”时代。据了解，烁谷科技作为唯一的初创企业，还与华为、科大讯飞、快手等企业，联合工信部共同参与起草了国内首个生成合成内容标识管理办法。
实现“无痕溯源”“高精度鉴别”
广州烁谷科技有限公司创始人谢伟铎表示，为精准破解AI音频标识与鉴伪难题，烁谷科技以VocaMark音频隐形水印技术、VocaAntiFake“高精度鉴别”两大核心技术为支撑，既满足政策对可追溯性的要求，又保障用户听觉体验与内容安全性的平衡。
据介绍，VocaMark音频隐形水印技术作为全球首个面向生产环境的商用级方案，实现了从学术理论到工程化应用的革命性突破。其32Bit高容量编码通过自研DMCA与ERCM算法，可嵌入用户ID、时间戳等完整溯源数据，为每段音频赋予独一无二的“数字身份证”；支持48khz采样率的无损嵌入技术，使水印与原始音频完美融合，主观听感保真度不低于98%，彻底解决高保真音乐、影视配乐等场景的音质损耗痛点。首创RTS-EMA实时流式处理技术，实现毫秒级延时编码解码，适配直播、电话会议、在线教育等动态场景，满足工业级低延时、高并发需求；针对格式转换、剪辑、噪声干扰等10种常见攻击，通过HRC模块与频域时域多重冗余校验机制，确保水印信息稳定可提取，鲁棒性达到国际领先水平。
如果说VocaMark是音频溯源的“数字烙印”，VocaAntiFake则是鉴别真伪的智能“火眼金睛”。该系统基于百万小时级VMAD音频数据集训练，融合深度神经网络与多模态特征提取技术，构建全链路实时检测框架:DAPM模块实现多源数据标准化处理，有效抑制噪声与设备失真；DFEM模块通过时频卷积神经网络与自注意力机制，精准捕捉伪造音频的细微痕迹；ADDM模块利用深度伪造判别网络与动态概率评分系统，实现97%以上的检测准确率；SFAIM模块则通过实时自学习与跨域数据反馈，持续适配新型伪造技术。无论是流媒体实时监控、社交媒体内容审核，还是政府会议录音鉴真、金融电话录音验证、法律证据鉴定，VocaAntiFake都能快速响应，及时阻断虚假音频传播。
赋能生态筑牢数字音频安全屏障
技术的价值最终落地于产业应用。目前，烁谷科技核心技术产品在多个领域完成试点验证，展现强大的商业化潜力。在音乐版权领域，通过VocaMark嵌入水印，可实时监控盗版行为，精准定位侵权源头，为创作者权益保驾护航。在线教育与远程办公场景中，技术实现课堂录音、会议内容的实时溯源与真伪鉴别，降低数据泄露与恶意篡改风险。在政府与公共安全领域，VocaAntiFake可对紧急广播、重要声明等音频进行实时防护，阻断虚假信息传播。金融与法律领域，通过音频真伪鉴定，为交易合规与司法取证提供可靠技术支撑。
作为广州海珠区重点引进项目，烁谷科技在区投促局积极引进与区政府大力支持下，已落地琶洲模方开启孵化征程。政策支持与海珠城发集团等产业资源协同，清华大学智能产业研究院的学术与技术加持，使其得以快速完成技术迭代与产业化落地。
在谢伟铎看来，多方合力为公司技术创新注入强劲动能。未来烁谷科技将进一步扩展技术生态，构建包含动态密钥管理、区块链存证、智能审计的全链路安全体系，推动跨模态防伪检测与分布式检测系统建设，参与全球音频防伪技术标准制定，打造开放共赢的行业生态，并继续引领音频安全技术革新，为构建安全、透明、可信的数字媒体环境，助力数字中国建设贡献核心力量。
文:袁炯贤 制版:董淑云 邓诗君 刘蔡林