CRAW: Audio Samples

David Chernin & Ethan Fetaya, Bar-Ilan University. All clips are unmodified (no attacks applied) — for perceptual quality comparison.

Code Paper (arXiv)

Component Ablation

The same clip watermarked at each stage of CRAW's design, so you can hear the fidelity recovery directly against the pristine original: Q-Former pooling and inference-time masking recover most of the perceptual quality given up when the robust distortion layer (DL) is added, at a small further cost from the final error-correcting code (+ECC, full CRAW). Clips are randomly sampled from the held-out test set.

Clip Original DL +QFormer +Mask +ECC Full CRAW
Clip 1
0:00
0:00
0:00
0:00
0:00
Clip 2
0:00
0:00
0:00
0:00
0:00
Clip 3
0:00
0:00
0:00
0:00
0:00
Clip 4
0:00
0:00
0:00
0:00
0:00
Clip 5
0:00
0:00
0:00
0:00
0:00
Clip 6
0:00
0:00
0:00
0:00
0:00
Clip 7
0:00
0:00
0:00
0:00
0:00
Clip 8
0:00
0:00
0:00
0:00
0:00
Clip 9
0:00
0:00
0:00
0:00
0:00
Clip 10
0:00
0:00
0:00
0:00
0:00
Clip 11
0:00
0:00
0:00
0:00
0:00
Clip 12
0:00
0:00
0:00
0:00
0:00
Clip 13
0:00
0:00
0:00
0:00
0:00
Clip 14
0:00
0:00
0:00
0:00
0:00
Clip 15
0:00
0:00
0:00
0:00
0:00
Clip 16
0:00
0:00
0:00
0:00
0:00
Clip 17
0:00
0:00
0:00
0:00
0:00
Clip 18
0:00
0:00
0:00
0:00
0:00
Clip 19
0:00
0:00
0:00
0:00
0:00
Clip 20
0:00
0:00
0:00
0:00
0:00

vs. Baselines

CRAW (full model) against the external baselines: WavMark, AudioSeal, TimbreWM, AWARE, and WMCodec, plus the original unwatermarked clip for reference. Clips are randomly sampled from the held-out test set.

Clip Original CRAW Ours WavMark AudioSeal TimbreWM AWARE WMCodec
Clip 1
0:00
0:00
0:00
0:00
0:00
0:00
0:00
Clip 2
0:00
0:00
0:00
0:00
0:00
0:00
0:00
Clip 3
0:00
0:00
0:00
0:00
0:00
0:00
0:00
Clip 4
0:00
0:00
0:00
0:00
0:00
0:00
0:00
Clip 5
0:00
0:00
0:00
0:00
0:00
0:00
0:00
Clip 6
0:00
0:00
0:00
0:00
0:00
0:00
0:00