尼泊尔英语语码切换语音识别新基准发布

2026年10月23日，Firoj Paudel 等人在 arXiv 发布一项针对尼泊尔-英语语码切换场景的新自动语音识别基准。该基准包含 13,044 条自发播客音频，总时长 15.45 小时，公开转录文本、时间戳及重建脚本，并通过审计消除机器翻译泄漏与声学循环问题，数据集划分为 10,214 条测试集与 2,830 条开发集。该研究同时提出两阶段合成到真实适配框架：第一阶段以 0.95 小时双引擎 TTS 合成语音进行微调，将混合错误率从 23.40% 降至 21.52%；第二阶段引入 GRPO 优化，使语言切换点错误率进一步降至 28.70%。

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。