Appleがコードスイッチング音声認識を改善

何が起きたか

Appleの研究者は、反復的疑似ラベル付けトレーニング手法を初めてマンダリン・英語コードスイッチングASR（自動音声認識）に適用した。この手法は3つのフェーズで構成される：ラベルなしデータからの疑似ラベル生成、2段階のバイリンガルモデルトレーニング、そして単一の発話内で両言語を混在させる音声のパフォーマンス向上のための反復的改善。

なぜ重要か

コードスイッチング（同じ話し言葉の文章内でマンダリン語と英語を交互に使用すること）は、トレーニングデータが不足しているため、音声認識システムにとって困難だった。疑似ラベル付けの手法は、大規模なラベルなしデータセットを活用して半教師あり学習教材を作成し、手動転写されたコードスイッチング音声をそれほど必要としなくても、バイリンガルスピーカーの音声認識精度を向上させる可能性がある。

注目点

論文はこの手法の有効性を実証しているが、導入タイムラインや商用利用可能性についてはまだ明記していない。この研究はAppleの機械学習公開資料に掲載されており、同社が今後のASR製品にこの技術の応用を検討していることが示唆される。