Cet article présente une approche d'étiquetage pseudo-itératif pour améliorer la reconnaissance automatique de la parole (ASR) en code-switching mandarin-anglais, répondant au défi des données d'entraînement limitées. La méthode exploite les corpus non étiquetés en générant des pseudo-étiquettes pour créer un jeu de données semi-supervisé pour l'entraînement du modèle bilingue en deux étapes.
Le cadre est composé de trois phases : génération de pseudo-étiquettes à partir de grandes données non étiquetées, pré-entraînement suivi d'un affinage sur des données supervisées en code-switching, et raffinements itératifs pour améliorer la précision dans des scénarios complexes.
Cette approche fait progresser considérablement les systèmes ASR en code-switching, atteignant des réductions notables du Mix Error Rate de 6,35 % sur le sous-ensemble devman de SEAME et de 8,29 % sur le sous-ensemble devsge.