多语言语音模型中的音系干扰

研究识别出多语言语音模型的一种系统性失效模式——音系干扰：模型假定输入属于单一语言并强加其音系，覆盖与之冲突的局部音素级判断。在码切换输入上，两种语音识别器与一种音素条件文本转语音模型丢失 32% 至 79% 的此类音素；研究提出推理时修复方法窗口语言估计（WLE），在全部三个模型中消除 34% 至 69% 的干扰，且识别器的单语性能基本不变。