Irodori-TTSの音声ウォーターマークを調べてみた

　Irodori-TTSでは、Sonyの音声ウォーターマーク技術 SilentCipher が利用されています。
本当にウォーターマークが埋め込まれているのか気になったので、実際に生成した音声をデコードして確認してみました。検証には、SilentCipherのデコーダを利用しました。

import silentcipher

model = silentcipher.get_model(
    model_type="44.1k",
    ckpt_path="Models/44_1_khz/73999_iteration",
    config_path="Models/44_1_khz/73999_iteration/hparams.yaml",
    device="cuda"
)

result = model.decode(
    "output.wav",
    phase_shift_decoding=False
)
print(result)

生成した生のWAVファイル

Irodori-TTSが生成したWAVファイル
生成直後のWAVファイルを調べたところ、以下の結果となりました。

{
  'messages': [[73, 82, 68, 84, 83]],
  'confidences': [0.9423558712005615],
  'status': True
}

messages をASCIIコードへ変換すると、IRDTS　となり、Irodori-TTS用の識別子が埋め込まれていることが確認できました。
また、
status = True
confidence = 0.942
となっており、0.9を超えているため、高い信頼度でウォーターマークが検出されています。

今回の検証では、Irodori-TTSが生成した生のWAVファイルには、SilentCipherのウォーターマークが正常に埋め込まれていることを確認できました。