语言区分能力可提升多语言语音模型的语言学习效果

在预训练中增强语言区分能力可显著缩小多语言语音模型与单语言模型的性能差距。在英法双语 HuBERT 实验中，通过辅助分类器和分语言 k-means 目标干预，连续特征音素区分错误率降至 10.4%，词汇与韵律表现分别提升至 56.7% 和 72.9%。该干预在首轮迭代引入时收益最大，同时能有效保留跨语言信息共享。