多语言语音模型音系干扰现象及WLE修复方法

2026年10月9日，arXiv（Computation and Language）发表研究，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。该研究为目前唯一报道，暂无后续验证或矛盾信息。

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。