Code-Switching Detection via Language-Selective Dimensions in Speech Foundation Models

代码切换（CS）是指在话语中交替使用语言的现象，常见于多语种口语，但在预训练语料中却相对较少。要增加CS的覆盖范围，需要在大规模语音集合中找到相关话语，以便将其包含在训练数据中。一种方法是将语音转写并检测文本中的语言交替，但这一过程依赖于获得准确的多语种转写。我们提出一种轻量级方法，直接从语音中检测CS。该方法利用预训练语音的帧级语言信息，实现CS的检测。