苹果：强化语言辨别可缩小多语言语音模型差距

2026 年 10 月 2 日，Apple Machine Learning 公布了一篇论文，讨论多语言自监督语音模型与单语言模型之间的差距。论文给出的结论是：在总预训练数据预算相同（matched total pretraining data budget）的条件下，多语言自监督语音模型仍然落后于单语言模型，尽管多语言模型可以从跨语言的信息共享中获益。

论文提出，如果在预训练阶段强化模型区分语言的能力，这一差距就会缩小，并且在部分指标上可以追平单语言模型。被点到的指标包括连续语音层面的指标和更高层级的语言指标。论文同时表示，在多语言模型缩小差距的过程中，跨语言的信息共享仍然得以保留。

上述结论来自一组英法双语的 HuBERT 对照实验。材料中没有给出实验规模、所用数据量、其他语种的结果，也没有说明该方法在其他语言或模型上的表现。