本文提出了一种名为 CRAW（Codec Robust Audio Watermarking）的音频水印框架，旨在解决生成式语音模型带来的虚假音频鉴别难题。近年来，生成语音模型使得合成音频与真实音频的区分愈发困难，可能被用于欺诈和虚假信息传播。音频水印通过在生成语音中嵌入不可感知的信号，并在后续检测中验证音频来源，是一种有前景的防御手段。然而，现有的事后水印方法在真实世界常见的神经编解码器、降噪器和声码器处理下鲁棒性不足，容易失效。CRAW 通过联合优化神经重合成鲁棒性并保持高感知质量，其核心贡献包括：失真感知训练、基于注意力的池化机制、推理时感知掩蔽，以及用于恢复鲁棒训练中损失保真度的纠错编码。实验结果表明，CRAW 在神经编解码器、降噪器和声码器下达到了最先进的鲁棒性，同时感知质量与现有事后水印方法相当。代码已开源。该研究适合关注深度伪造防御、音频溯源和生成式 AI 安全的从业者阅读。