多语言语音模型音系干扰及WLE修复

Moran Yanuka、Raja Giryes、Moris Alper 发表论文，指出音素级语音模型存在系统性失败模式“音系干扰”：模型默认输入为单一语言并强加其音系，覆盖与之冲突的音素决策。在语码切换输入上，两个音素识别器和一个音素条件 TTS 模型丢失了 32% 至 79% 的此类音素，而对两种语言共有的音素丢失远少。 研究者提出窗口化语言估计（WLE），在推理时修复语言估计。据论文，WLE 在三种模型上消除了 34% 至 69% 的干扰，且识别器的单语性能基本不变。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。