7 月 31 日，OpenAI 更新其 GPT-Live 语音模型，将 Google DeepMind 的 SynthID 水印技术嵌入所有通过 ChatGPT Voice 和 OpenAI API 生成的音频中，并同步开放验证 API。此举允许开发者或组织对音频文件进行自动化的来源检查。
该水印不可见且听不见。此次升级的关键在于，第三方现在可以通过 API 查询信号是否存在，而不仅仅是信号本身的嵌入。
SynthID 音频原理：频谱域嵌入
与在像素空间添加扰动的图像水印不同，SynthID 音频水印运行于频谱图（音频信号频率内容随时间变化的视觉表示）。其嵌入过程分为三步：首先将音频波形转换为时频表示；其次利用心理声学掩蔽原理在频谱图中编码水印图案；最后从修改后的频谱图重建波形。
心理声学掩蔽是耐久性的关键。人类听觉系统无法感知被相邻频段或更响亮声音掩蔽的信号，SynthID 正是利用这些区域放置水印，并采用扩频方法将信号冗余副本分布在多个频段和时间位置。这使得水印即使经过 MP3 压缩（包括 128 kbps 激进编码）、速度 / 音调偏移，甚至通过扬声器播放后重新录制的"模拟漏洞"，依然能够保留。相比之下，传统元数据标签无法经受此类转换。
检测机制采用匹配滤波器，Google 的专有解码器经训练可识别编码器引入的统计模式。由于检测器专有，第三方无法独立运行，这正是开放 API 的核心价值。
开发者 API 解锁自动化审核
此前，水印仅作为 OpenAI 可用的事后法医工具。新的验证 API 改变了这一局面，允许新闻编辑部、社交平台或企业合规团队将来源检查直接整合至工作流中。查询发送至 OpenAI 匹配器，针对提交波形运行并返回判定结果。
Hugging Face 研究员 Sasha Luccioni 曾指出，SynthID 早期的专有检测基础设施限制了其作为通用来源系统的潜力。OpenAI 此前的图像验证工具需用户上传至网页，而新 API 首次解除了这一限制，使开发者能将检查构建到自动化管道中。
需注意，启动时的 API 范围仅限于 OpenAI 源音频。ElevenLabs、开源模型或未通过 GPT-Live 生成的合成语音不会返回信号。无信号并不代表音频真实，仅表示未检测到 OpenAI SynthID 水印。
GPT-Live：实时语音的水印化
GPT-Live 于 2026 年 7 月 8 日发布，取代高级语音模式，成为超过 1.5 亿周活用户的默认语音体验。其全双工架构可同时处理输入输出，每秒多次决策说话、聆听或暂停，避免了传统轮次系统因沉默或噪音导致的中断。复杂问题时，GPT-Live 会在后台委托给 GPT-5.5，同时保持对话流畅。
发布时提供两个层级：付费用户的 GPT-Live-1 和免费用户的 GPT-Live-1 mini。实时安全措施可在模型说话时引导至更安全响应或结束对话，并针对自我伤害、情感依赖等类别构建了原生音频安全评估。
局限性与行业足迹
SynthID 已嵌入 Google Gemini、Imagen 等产品，并于 2026 年 5 月被 OpenAI、NVIDIA 等采纳为图像行业标准。7 月 31 日的更新将其扩展至 GPT-Live 音频，触达最大规模的日常语音受众。C2PA 联盟成员现已超过 6000 个。
然而，该系统并非防绕过。USENIX Security 2025 发表的 UnMarker 论文报告了对 SynthID 的 79% 去除率，尽管 Google 对此提出异议。更根本的限制在于，开源语音模型产生的克隆音频不带 SynthID 水印，也无法通过 API 筛查。水印的有效性取决于平台是否主动集成检测层，这仍是生态系统面临的下一个挑战。
【星途科讯 图文丨三一一 首发于 ZAKER 科技，转载请注明出处】
翔云优配app官方正版下载提示：文章来自网络，不代表本站观点。
