本文介绍了一种迭代伪标签方法，以改善普通话-英语代码切换的自动语音识别，解决训练数据有限的问题。该方法利用未标注语料库，通过生成伪标签来创建半监督数据集，用于两阶段双语模型训练。

该框架包含三个阶段：从大量未标注数据生成伪标签、在监督代码切换数据上进行预训练和微调，以及迭代细化以提高复杂场景中的准确性。

这种方法显著推进了代码切换ASR系统，在SEAME的devman子集上实现了6.35%的Mix Error Rate降低，在devsge子集上实现了8.29%的降低。