发生了什么
该研究首次将迭代伪标签训练方法应用于中英混码语音识别，以应对混码语料稀缺带来的挑战。
方法包含三个阶段：伪标签生成、两阶段双语模型训练以及迭代优化，首先利用大规模未标注语料生成伪标签，构建半监督数据集。
为什么重要
中英混码语音识别因训练数据有限而长期面临性能瓶颈，利用未标注数据有望缓解数据不足的问题。
迭代伪标签方法若有效，可为其他低资源语音识别场景提供可借鉴的通用训练策略。
关键事实
混码指在同一句话中交替使用不同语言，给自动语音识别带来显著挑战。
该方法包含伪标签生成、两阶段双语模型训练和迭代改进三个阶段。
研究从大规模未标注语料生成伪标签，构建半监督数据集以推进训练。
接下来看什么
未来可关注该方法在更大规模数据或更多语言混码场景下的表现。
迭代优化策略如何进一步减少伪标签噪声、提升识别精度值得留意。