渐进式精炼：面向汉英混合语音识别的迭代伪标签方法
Progressive Refinement: An Iterative Pseudo-Labeling Approach for Mandarin-English Code-Switching ASR
摘要
本文首次将迭代伪标签训练方法应用于代码切换（CS）自动语音识别（ASR），以缓解CS训练数据有限的问题。方法分三阶段：伪标签生成、两阶段双语模型训练及迭代改进，从大规模未标注语料库构建半监督数据集。实验表明，该方法能有效利用未标注数据提升CS-ASR性能。
代码切换（Code-switching，CS），即在同一话语中交替使用不同语言，因CS训练数据有限，对自动语音识别（ASR）构成重大挑战。本文首次将迭代伪标签训练方法应用于CS-ASR，展示了其在利用未标注数据提升CS-ASR性能方面的有效性。该方法包含三个阶段：伪标签生成、两阶段双语模型训练及迭代改进。首先从大规模未标注语料库生成伪标签，构建半监督数据集。此…
译自 Apple · ML Research · 录于 二〇二六年八月二十一日