强化语言判别可提升多语言语音模型的语言学学习效果

在预训练中强化语言判别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，并保留跨语言共享。在英法双语 HuBERT 实验中，引入辅助分类器或分语言 k-means 目标后，音素判别错误率从 11.6% 降至 10.4%（单语言为 10.8%），词汇与韵律指标显著改善。干预在第一迭代阶段引入收益最大，后期引入收益递减并加剧语言隔离。