苹果研究称强化语言判别可缩小多语语音模型差距

苹果机器学习研究团队称，在预训练中强化模型的语言判别能力，可缩小多语种语音模型与单语模型的差距。

研究用英语、法语双语的HuBERT语音模型做对照：加入辅助语言分类器或按语言聚类目标后，音素判别错误率从11.6%降到10.4%，已低于单语模型的10.8%。

词汇指标从52.1%升至56.7%，仍落后单语的58.5%。这是作者自测的受控实验，结论限于英法双语设定。