ArtifactNet：通过法医残差物理学检测AI生成音乐 ArtifactNet: Detecting AI-Generated Music via Forensic Residual Physics
用有界掩码UNet放大源分离残差，4M参数击败194M参数的CLAM。
前置知识
残差矢量量化 (Residual Vector Quantization, RVQ)
神经音频编解码器（EnCodec/DAC）内部的离散化方法。把连续潜在 $z$ 通过级联码本近似为 $z \approx q_1 + q_2 + \cdots + q_N$。有限码本（$1024 \times 8\sim32$ 层）使映射有损，高频与精细时序无法在解码时恢复——AI生成器共享的瓶颈。
本文核心假设是"商用AI音乐生成器共享的RVQ瓶颈是它们可检测性的主要来源"。理解RVQ引入了哪些不可逆的信息损失（特别是高频与精细时序结构），才能看懂为什么作者要设计一个针对这些残差的UNet，而不是去学音乐内容本身的特征。
源分离 (Source Separation) 与 Demucs v4
源分离指从混合音频中恢复人声、鼓、贝斯等独立音轨。Demucs v4是混合Transformer源分离模型，约42M参数。本文利用只在人类音乐上训练的Demucs去"分离"AI音乐——目的不是恢复音轨，而是把"应该看到的内容"与"实际看到的内容"之间的差距放大为残差信号。
ArtifactUNet在Phase 1中通过知识蒸馏模仿Demucs v4残差的结构，但只需3.6M参数（而非42M）即可在推理时复现这种分离能力。理解Demucs的输入/输出形态与残差的物理含义，才能把握"复用分离模型作为法医工具"这一核心思想。
谐波-打击乐源分离 (Harmonic-Percussive Source Separation, HPSS)
经典MIR技术，通过对频谱沿时间轴和频率轴分别做中值滤波，把音频分解为谐波成分 $H$（音高持续内容）和打击乐成分 $P$（瞬态鼓点）。HPSS从未被当作取证工具使用，本文是首次把HPSS应用于源分离残差，得到"AI生成内容泄漏到分离残差中的谐波/打击乐分布"。
7通道取证特征中的mel H、mel P、hp ratio三个通道直接来自HPSS。若不理解H = median_filter_t(X) 和 P = median_filter_f(X) 的几何意义，就无法体会作者为什么要把这两个分量单独拿出来构造法医通道——它们分别捕获了AI生成器无法正确还原的"音高泄漏"和"瞬态泄漏"。
U-Net与有界掩码预测
U-Net是编码-解码+跳跃连接的分割架构。本文用它预测STFT幅度谱上的乘法掩码 $m$，残差 $r = m \odot X$。关键是"有界"——$m = 0.5 \cdot \sigma(z)$ 约束掩码在 $[0, 0.5]$，强制残差最多占信号能量一半，防止训练崩溃为复制输入。
有界掩码是防止训练崩溃的关键trick。无界sigmoid会在Phase 2中被分类器梯度"挤压"到接近1（等价于直接复制输入），分类性能随之崩溃；把上界强制设为0.5，相当于一个归纳偏置，告知网络"取证信号最多占一半能量"，这是从实验教训中提炼出的硬约束。
OOD (Out-of-Distribution) 检测评估协议
OOD评估指模型在训练分布之外的测试集上的表现。本文区分4种OOD轴：生成器OOD（新AI生成器）、跨基准排序稳定性、真实域OOD（新压缩/混音/流派）、编解码器OOD（MP3/AAC/Opus）。Sanity协议要求每个子集AI TPR≥90%、真实FPR≤5%才算PASS。
传统benchmark只报告聚合指标（平均F1），会掩盖子集级别的失败模式。ArtifactBench设计的28子集sanity协议专门用来"暴露聚合指标下面的失败"——例如CLAM在SONICS real子集上FPR高达64.7%，但平均F1仍可看。理解这种协议对评估AI检测器至关重要。
研究动机
商用AI音乐生成器（Suno、Udio、Stable Audio、MusicGen、Riffusion等）在流媒体平台爆炸式增长，Deezer 2025年调查显示每天上传的"完全AI生成"曲目已超50000首。现有检测方法两条路线都失效：表示学习派（CLAM用194M参数MERT+Wav2Vec2、SpecTTTra用18.7M参数建模长程时序依赖）学的是"AI音乐听起来像什么"，对训练分布外生成器几乎必然失效——SpecTTTra在MoM上从SONICS in-distribution的F1=0.97暴跌到50–68%；自编码器指纹派（Afchar）训练分类器区分原始音频与重建，作者自己承认存在结构性泛化失败。本文在统一协议下重测SONICS全测，CLAM从原报告F1=0.993跌至0.7652、FPR高达67.16%，暴露了原报告与实际可用性的巨大gap。压缩编解码器（MP3/AAC/Opus）和流派分布是公开承认的混淆因素——真实MP3低质量音频被误判为AI（Phase 2 UNet在FMA mp3上FPR=98.7%），现有方法在真实部署中几乎不可用。
本文的目标是本文的核心目标是设计一个轻量、对未见过生成器仍然稳健的AI音乐检测器。具体目标分为四点：第一，把模型压缩到能在边缘部署的规模——最终ArtifactNet总参数仅4.0M（UNet 3.6M + CNN 0.4M），比CLAM小49倍、比SpecTTTra小4.7倍；第二，在跨生成器、跨真实源、跨编解码器三种OOD条件下同时保持高性能，目标是F1>0.98、FPR<2%；第三，构建一个"公平"的多生成器评测基准ArtifactBench（6183首，22个AI生成器+6个真实源）以统一过去分散在SONICS和MoM之间的评估协议；第四，从物理角度给出可解释的检测机理——而不仅是"分类器置信度高"。
与已有工作不同的是，现有方法最深的盲点是"用模式匹配代替物理机制"：它们试图学"AI音乐听起来像什么"，但没问"为什么它物理上不一样"。本文的独特切入角度是把检测重新定义为"放大源分离残差"——由于商用AI生成器几乎都共享神经音频编解码器（EnCodec/DAC + RVQ）的瓶颈，这个瓶颈会引入可测量的、可学习的、可泛化的重建残差结构差异。本文把这个差异命名为"forensic residual amplification"，并通过Demucs源分离模型（只在人类音乐上训练）来"放大"这一信号。具体技术上：作者没有直接训练分类器，而是先用知识蒸馏让3.6M参数的ArtifactUNet学会Demucs残差的形态（Phase 1），再用冻结的CNN分类器梯度反向优化UNet使其残差更具判别力（Phase 2），最后用4路编解码器增强（MP3/AAC/Opus/WAV）解决Phase 2把压缩伪影当成法医信号的致命bug（Phase 3）。这种"复用源分离作为法医工具"的视角在HPSS与UNet的组合中也是首创。
核心方法
ArtifactNet的整体思路是"音频→残差提取→多通道分解→逐段分类→歌曲级投票"四步流水。直觉上：AI生成器与人类录音的物理差异不是"音色对不对"这种表层模式，而是经过同一类神经编解码器瓶颈后残留的高频/时序结构的不对称——一个只在人类音乐上训练的源分离模型（Demucs v4）在处理AI音乐时会"分得不太干净"，分离残差的能量分布有系统性差异。技术上，ArtifactUNet是一个3.6M参数的有界掩码U-Net，在输入STFT幅度谱 $X$ 上预测被强制约束在 $[0, 0.5]$ 的乘法掩码 $m = 0.5 \cdot \sigma(z)$，输出残差 $r = m \odot X$；用HPSS把残差幅度谱分解为谐波与打击乐两个分量，连同一阶/二阶时序导数、对数 $H/P$ 比、谱通量组成7通道取证特征；最后送入0.4M参数的CNN输出4秒片段的 $P(\text{AI}) \in [0,1]$，整首歌取所有片段概率中位数作为最终判定。训练分三阶段（知识蒸馏→分类器梯度反传→编解码器增强）。
本文最核心的创新是把AI音乐检测重新表述为"源分离残差的放大与分类"问题，而不是"学AI音乐长什么样"。这与现有方法有三个本质区别：（1）表示学习派（CLAM、SpecTTTra）的分类器直接消费梅尔谱或自监督特征，对训练分布敏感；本文的CNN消费的只是Demucs分离残差的7通道分解，与具体生成器无关。（2）自编码器指纹派（Afchar）训练一个自编码器并用其重建误差作为判别依据，但通用自编码器在所有内容上都重建良好，差异信号太弱；本文用Demucs这种只在人类音乐上训练的专业源分离器，其残差天然放大了"AI音乐不符合人类训练分布"的部分。（3）本文首次将HPSS作为法医工具使用，把残差进一步分解为谐波/打击乐两个分量，分别对应"音高泄漏"与"瞬态泄漏"两类AI特征——这两个分量单独送入CNN后贡献率在消融中均有正贡献。除此之外，"有界掩码" $[0, 0.5]$ 是工程上的关键trick：它把"残差最多占信号能量一半"这一物理先验硬编码进网络，防止训练崩溃为"复制输入"的平凡解。
方法步骤详情
训练与推理分四大阶段。第一阶段（Phase 1知识蒸馏）：用Demucs v4在人类音乐上跑源分离得到频谱域残差作为教师目标；ArtifactUNet（U-Net+GatedResidualBlock，3.6M参数）通过 $L_1+$多分辨率STFT损失学习残差形态；不接触标签，纯模仿。第二阶段（Phase 2冻结分类器steering）：用0.4M参数的CNN作为冻结"指挥棒"，让ArtifactUNet通过可微mel-spectrogram变换与BCE损失做反向传播；冻结CNN、只更新UNet，使残差朝"判别性最强"方向steer。第三阶段（Phase 3编解码增强）：每个训练样本同时做4路编解码（WAV/MP3 128/AAC 128/Opus 128），跨编解码器漂移 $\Delta$ 从0.95降到0.16（−83%），根除FPR=98.7%致命bug。推理：每4秒片段送入ArtifactUNet+HPSS+CNN输出 $P(\text{AI})$，全曲中位数投票，$\tau=0.5$ 阈值输出判定。训练数据20,374首（12,495 AI+7,879 real）。
技术新颖性
技术新颖性可归纳为四点。第一，"forensic residual reframing"——把AI检测从"分类学到的嵌入"换成"放大源分离残差"，是问题表述层面的根本转变，对应Afchar的关键追问"能否独立于音乐内容检测AI"，本文回答"可以"。第二，"有界掩码UNet"——把取证信号最大能量占比显式约束在50%以下，是用归纳偏置防止训练崩溃的工程创新；附录B的消融显示无界sigmoid会让掩码均值收敛到接近1（残差占输入能量>95%），分类F1随之崩溃。第三，"HPSS作为法医工具"——首次把谐波-打击乐分解应用于源分离残差，得到mel H、mel P、hp ratio三个独立法医通道，分别捕获"音高泄漏"与"瞬态泄漏"两类AI特征。第四，"4路编解码器增强训练"——把MP3/AAC/Opus/WAV视为同一首曲目的不同"视图"，让UNet学到与具体压缩方案无关的编码器瓶颈信号，是Phase 3消除codec-dependent residual的核心机制。ArtifactBench与28子集sanity协议为社区提供了更公平的AI音乐检测评测基础设施。
实验结果
实验围绕ArtifactBench（6183首，22 AI+6 real）与SONICS full-test（n=23,288）展开。ArtifactBench零样本（n=2,263）：ArtifactNet F1=0.9829、FPR=1.49%；CLAM F1=0.7576、SpecTTTra F1=0.7713，ArtifactNet在F1上分别领先+0.225与+0.212，参数比CLAM小49倍。SONICS全测：ArtifactNet v9.5 F1=0.9993/FPR=0.09%；SpecTTTra F1=0.8874/FPR=17.97%；CLAM F1=0.7652/FPR=67.16%。Sanity协议28子集：ArtifactNet FAIL=4（85.7%）、SpecTTTra FAIL=23、CLAM FAIL=15。编解码鲁棒性：AI TPR∈[98.02%, 100.0%]，$\Delta$TPR≤±1.1 pp；编解码感知训练将真实侧漂移 $\Delta$ 从0.95降到0.16（−83%）。机理性证据：AI残差带宽291 Hz、人类1996 Hz。
查看结构化数据
| 任务 | 指标 | 本文 | 基线 | 提升 |
|---|---|---|---|---|
| ArtifactBench零样本检测（22 AI + 6 real，bench_origin=test，n=2,263） | F1 / Precision / Recall / FPR / AUC | F1=0.9829, P=0.9905, R=0.9755, FPR=1.49%, AUC=0.9974 | CLAM: F1=0.7576, P=0.6674, R=0.8761; SpecTTTra: F1=0.7713, P=0.8519, R=0.7046 | F1分别领先+0.225与+0.212；FPR从CLAM的69.26%降到1.49%（46×降低）；Recall从SpecTTTra的70.46%升到97.55%（+27.1 pp） |
| SONICS full-test split三方评估（统一协议，τ=0.5，n=23,288） | F1 / Precision / Recall / FPR / AUC | ArtifactNet v9.5 (4.0M): F1=0.9993, P=0.9993, R=99.93%, FPR=0.09%, AUC=0.9999 | SpecTTTra α-120s (18.7M): F1=0.8874, FPR=17.97%; CLAM (194M): F1=0.7652, FPR=67.16% | 在同样4.0M参数量级下，F1比SpecTTTra高+0.112、比CLAM高+0.234；FPR分别低199×与746× |
| Sanity-check 28子集通过率 | FAIL数 / 28, 通过率 | FAIL=4, 通过率85.7% | CLAM FAIL=15, 46.4%; SpecTTTra FAIL=23, 17.9% | 通过率比CLAM高+39.3 pp，比SpecTTTra高+67.8 pp；CLAM的失败模式是高precision collapse（误报真实），SpecTTTra的失败模式是高precision + 低recall（漏报新生成器） |
| 真实音乐FPR按源组分组（6子集聚合） | FPR (%) | SONICS real 0.0%, MoM real 0.3%, FMA+YT hardneg 5.4% | CLAM 64.7% / 67.0% / 78.9%; SpecTTTra 15.3% / 17.6% / 27.8% | ArtifactNet在最难的hardneg组上仍控制FPR在5.4%，CLAM接近79%误报——意味着CLAM在实际部署中几乎不可用 |
| AI生成器TPR按家族分组（22 AI子集聚合） | TPR (%) | SONICS 100.0%, MoM 97.5%, AIME 97.4%, Latest CDN (Suno v4/Udio最新) 94.2% | CLAM 95.8% / 81.2% / 98.1% / 73.4%; SpecTTTra 90.2% / 74.5% / 57.7% / 50.4% | ArtifactNet在最难、最新发布的Latest CDN家族上TPR 94.2%，比CLAM高+20.8 pp、比SpecTTTra高+43.8 pp；证明跨生成器OOD泛化能力 |
| 编解码器鲁棒性（4-way codec: WAV/MP3 128/MP3 320/Opus 128/Opus 192） | AI TPR与ΔTPR相对WAV | TPR ∈ [98.02%, 100.0%]，最大ΔTPR = +0.9 pp / −1.1 pp | Phase 2 UNet在MP3上FPR=98.7%（真实被误判为AI），跨编解码器Δ=0.95 | 4路编解码增强训练将真实侧Δ从0.95降至0.16（−83%），AI侧Δ从0.72降至0.14（−81%）；AI TPR在5种编解码条件下波动≤1.1 pp |
| 有效带宽取证相关性（50 AI + 44 real） | 残差有效带宽 (Hz) | AI平均291 Hz，人类1996 Hz，差异6.9×；Suno v3.5 170、Riffusion 219、Stable Audio 237、Udio 245、MusicGen 255 Hz均聚集在~200 Hz | 无直接对比，但文献中无类似带宽量级差异的取证相关性报告 | 提供独立于分类器输出的可解释物理证据，所有22个评估的AI生成器均聚集于狭窄带宽带，与人类音乐形成清晰边界 |
| 单遍Demucs对抗洗白（50 AI + 50 real子集） | F1 / TPR / FPR | 原F1=0.9950 → 洗白后F1=0.9592, TPR 99% → 94%, FPR 0% → 2.7%, AUC=0.9651 | 无明确基线，CLAM/SpecTTTra未报告对抗洗白结果 | 单遍Demucs不能完全擦除取证信号（AUC仍>0.96），但多遍/自适应洗白未评测，是已声明的局限性 |
局限与改进
作者在Sec. V-B承认四点局限：（1）全频带要求——取证特征依赖44.1 kHz高频残差分析，降采样到16 kHz的benchmark上信号会被衰减，对低质量流通版本检测能力下降；（2）FMA hardneg mp3——Phase 2 UNet FPR=98.7%，Phase 3降到8.0%，但综合ArtifactBench的FMA+YT hardneg组FPR仍有5.4%，距"可部署"的5%阈值仅一线之隔；（3）Udio最新代TPR仅87%——因为其安静/过渡片段H/P比收敛到与真实音乐类似的模式，导致分段置信度下降；（4）多遍Demucs/自适应洗白/激进remaster等更激进对抗未评测。我的额外观察：ArtifactBench是作者自建基准且bench_origin=test标签透露构建者知道哪些样本用作测试，即使加入SONICS作为第三方验证，潜在风险仍存；论文不发布训练代码与原始权重（仅ONNX推理包），独立复现Phase 1蒸馏与Phase 3增强训练困难；专利申请已提交（KR+PCT）可能限制后续研究者自由复用。
独立分析的弱点
独立审视后有以下五个值得改进的弱点。第一，Demucs教师的选择使取证信号绑定到Demucs v4的特定架构与训练集——换源分离模型取证信号结构会系统性变化，跨教师稳定性未验证；改进方向是引入多源分离模型残差集成或多教师蒸馏。第二，Sanity协议28子集的阈值（TPR≥90%、FPR≤5%）有一定任意性，未给出ROC分析；改进方向是报告每个子集精确TPR/FPR并加Bootstrap置信区间。第三，ArtifactBench是作者自建基准，"professional WAV recordings"与"hand-curated lossless"两组test-only真实源入选标准未公开；改进方向是公开采样协议并允许第三方替换。第四，Phase 3编解码增强训练只覆盖4种编解码，未覆盖MP3 VBR、AAC HE-AAC等常见组合；改进方向是引入更广泛的编解码增强。第五，附录B的per-channel ablation在v2截稿时仍标为"to be completed"，削弱了"7通道设计最优"的论据；改进方向是camera-ready前补全该消融。
未来方向
作者在Sec. V提出的方向与自然延伸可归纳为四条。第一，ArtifactBench承诺v1.1/v2等版本化更新以应对新生成器——确保社区检测能力不滞后于生成器演进。第二，"rapid adaptation"范式——新生成器版本出现时只需采集小批量hard negatives并fine-tune 4M参数网络而非200M参数大模型，是检测器对生成器演进的不对称防御优势；未来可探索few-shot adaptation、主动学习、伪标签等。第三，"生成器避免离散RVQ"作为可能失效场景——若出现连续值扩散解码器（无RVQ）的AI音乐生成器，本文取证信号可能失效；改进方向是研究替代物理瓶颈的取证信号。第四，watermarking正交防御——需生成器配合但能"生成时打标"，未来可研究watermarking+法医检测双轨防御。两个延伸方向：（a）把ArtifactNet作为"生成器识别"任务backbone；（b）把HPSS+UNet取证流水线泛化到图像/视频deepfake检测。
复现评估
复现评估分四方面。开源情况：作者发布预编译ONNX推理包 huggingface.co/intrect/artifactnet（CC BY-NC 4.0），公开ArtifactBench v1 huggingface.co/datasets/intrect/artifactbench（CC BY-NC 4.0）与运行器 github.com/Intrect-io/artifactbench（MIT）；训练代码与原始权重不公开。数据可获得性：ArtifactBench公开（22 AI生成器，6183首Parquet shards），SONICS test.csv、AIME/MoM、CLAM与SpecTTTra官方checkpoint均公开。算力需求：ArtifactNet推理用RTX A6000足够；训练预估至少4–8张A100/H100训1–2周。复现难度：Demucs、STFT/U-Net、HPSS、BCE、ONNX都有成熟开源实现，但Phase 1+2+3级联训练需复现Demucs蒸馏与编解码增强。综合：基准数字复现度高，方法级复现门槛高。
论文图表
列出7通道名称、描述与取证意义：mel res（残差基础频谱）、mel H（HPSS谐波，音高泄漏）、mel P（HPSS打击乐，瞬态泄漏）、Δ1（一阶时序导数）、Δ2（二阶时序导数，加速度）、hp ratio（log(H/P)，谐波-打击乐平衡）、spectral flux（帧间变化率，时序不稳定性）。
这是理解"为什么是7个通道而不是别的"的核心表，每个通道对应一种具体的取证假设；附录B声称将做per-channel ablation报告每个通道的贡献率。
4类OOD轴定义：Generator OOD（训练mix外的生成器家族）、Cross-bench. ranking stability（训练集生成器在外部统一协议下重测）、Real-domain OOD（生产/编解码/流派条件不在训练real集）、Codec OOD（训练时未见的压缩）、Temporal OOD（生成器版本发布后的时间漂移）；每行标注在哪个Sec.中评测。
这张表把"OOD"从一个笼统概念拆成5个可独立评测的轴，是ArtifactBench设计哲学的核心——读者必须先理解这5轴才能看懂为什么ArtifactBench是"统一协议"。
8源组数据构成：AIME 2,790 AI（MusicGen/Stable Audio/Riffusion/Suno/Udio）、MoM AI 3,600 AI、SONICS 3,600 AI、Suno/Udio CDN 2,505 AI（v4/CDN最新）、MoM real 3,169、SONICS real 2,700、FMA hardneg 1,350、YouTube hardneg 660；总计20,374首（12,495 AI + 7,879 real），分层覆盖28子集。
理解训练数据规模和构成是判断"为什么ArtifactNet能泛化到22个生成器"的前提；20,374首+4路编解码增强实际相当于81,396个训练样本，且硬负样本（FMA+YT）占比~10%专门用于压缩场景。
三方对比表：ArtifactNet v9.5 (4.0M) F1=0.9993 / P=0.9993 / R=99.93% / FPR=0.09% / AUC=0.9999；SpecTTTra α-120s (18.7M) F1=0.8874 / P=0.8610 / R=91.55% / FPR=17.97% / AUC=0.9303；CLAM (MoM, 194M) F1=0.7652 / P=0.6351 / R=96.24% / FPR=67.16% / AUC=0.8222。
这是SONICS全测的核心数字表，把"4M打败194M"的结论量化呈现，并暴露原报告与统一协议下重测的巨大gap（F1从0.97→0.77 for SpecTTTra、0.99→0.77 for CLAM）。
3基准×6维覆盖对比：AI gen. diversity (SONICS 5 fam. / MoM 6 fam. / ArtifactBench 22 gen.)；Real source div. (1/1/6 sources)；Hard-neg. real (limited/limited/FMA+YT)；Codec stress (limited/limited/4-way)；Post-release drift (limited/limited/Suno v4, Udio)；Sanity protocol (—/—/28-subset)。
这张表是ArtifactBench定位的关键——证明它不是"又一个benchmark"而是把SONICS和MoM碎片化的OOD轴统一到一个协议的"超集"。
ArtifactBench零样本测试（n=2,263：1,388 AI + 875 real，全部3模型未见）：ArtifactNet (4.0M) F1=0.9829 / P=0.9905 / R=0.9755；CLAM (194M) F1=0.7576 / P=0.6674 / R=0.8761；SpecTTTra (19M) F1=0.7713 / P=0.8519 / R=0.7046。
这是论文最核心的结果表——在严格zero-shot（bench_origin=test）条件下ArtifactNet以49× / 4.8×更少参数领先CLAM/SpecTTTra +0.23 / +0.21 F1，是abstract引用的核心数字来源。
ArtifactNet FAIL=4 (85.7% pass rate)；CLAM FAIL=15 (46.4% pass rate)；SpecTTTra FAIL=23 (17.9% pass rate)。每个子集要求AI TPR≥90%（Stable Audio v1/v2≥60%）且real FPR≤5%才算PASS。
这张表把"聚合F1"拆解到子集级暴露失败模式——CLAM和SpecTTTra的真实可用性远低于其聚合F1暗示的水平，是sanity protocol的核心论证。
4生成器家族TPR：ArtifactNet在SONICS 5 gen. 100.0% / MoM 4 gen. 97.5% / AIME 9 gen. 97.4% / Latest CDN 4 gen. 94.2%；SpecTTTra 90.2% / 74.5% / 57.7% / 50.4%；CLAM 95.8% / 81.2% / 98.1% / 73.4%。Latest CDN是Suno v4和Udio CDN最新版本，最具OOD挑战性。
这是跨生成器OOD泛化能力的直接证据——ArtifactNet在最新发布的AI生成器上仍保持94.2% TPR，CLAM 73.4%、SpecTTTra 50.4%，量化了"未见过生成器"场景下的真实差距。
3真实源组FPR：ArtifactNet在SONICS real 0.0% / MoM real 0.3% / Hardneg (FMA+YT) 5.4%；SpecTTTra 15.3% / 17.6% / 27.8%；CLAM 64.7% / 67.0% / 78.9%。
这是真实音乐误报率的核心证据——CLAM在所有3组真实源上都接近2/3误报，意味着部署中几乎不可用；ArtifactNet在最难的hardneg组上仍能控制在5.4%。
5编解码条件下：WAV（baseline）AI TPR 99.12% / FPR <1%；MP3 128 kbps 99.12% / <1% / ΔTPR +0.0 pp；MP3 320 kbps 98.02% / <1% / −1.1 pp；Opus 128 kbps 100.0% / <1% / +0.9 pp；Opus 192 kbps 99.12% / <1% / +0.0 pp。
证明Phase 3编解码感知训练生效——5条件下TPR波动≤±1.1 pp、FPR均<1%，根除了Phase 2在MP3上FPR 98.7%的致命失败模式。
6生成器+AI avg+Human的残差有效带宽：Suno v3.5 170 Hz (Proprietary) / Riffusion 219 (Diffusion) / Stable Audio 237 (Latent diffusion) / Udio 245 (Diffusion) / MusicGen 255 (Autoregressive) / AI avg 291 Hz (n=50, 22 gen.) / Human music 1996 Hz；架构列说明跨自回归/扩散/潜在扩散均聚集在~200 Hz。
提供独立于分类器的可解释声学相关性——6.9×带宽差异跨架构一致，是"共享神经编解码瓶颈"假设的最强物理证据，区别于依赖分类器置信度的常规取证方法。
对抗洗白测试：Original (100-track sub-corpus) F1=0.9950 / TPR 99.0% / FPR 0.0%；Demucs 1-pass laundering F1=0.9592 / TPR 94.0% / FPR 2.7%（AUC仍0.9651）。注：100-track子集数字与ArtifactBench全测数字不可直接比较。
诚实报告了"对抗Demucs分离"这一已知攻击向量下的性能下降，单遍洗白下取证信号衰减但未被完全擦除（AUC>0.96），但多遍/自适应洗白未评测是已声明的局限。