📖 AI 总结

本文首次将迭代伪标签训练方法应用于中英混合语码切换的自动语音识别（CS-ASR）任务，旨在缓解该领域标注数据稀缺的问题。研究提出三阶段框架：先从大规模无标注语料生成伪标签构建半监督数据集，再通过两阶段双语模型训练（预训练加监督微调）提升基础性能，最后借助迭代优化增强模型对复杂语码切换场景的适应能力。实验结果显示，该方法在SEAME基准测试的devman和devsge子集上分别实现了6.35%和8.29%的混合错误率（MER）显著降低，验证了利用无标注数据改善CS-ASR的有效性。该研究为语码切换场景下的语音识别提供了一种可扩展的数据利用策略，对多语言人机交互系统的实用化具有推进意义。