使用 LLM 生成的未遂事件进行对比训练，实现鲁棒的代码切换语音识别

语码转换（CS），即单个话语中多种语言之间的交替，对于自动语音识别（ASR）来说仍然是一个挑战。为了解决这个问题，我们提出了一种兴趣点（POI）感知对比训练框架，可以提高 CS 关键区域的识别能力。我们首先采用文献中的 POI 检测方法来识别 CS 跨度，然后通过扰乱 ASR N 最佳输出中的 POI 并使用 大语言模型 扩展候选者来构建声学上合理的近乎未命中假设。通过声学、音素和文本限制的过滤，保留了困难但合理的否定。最后，我们使用 POI 加权交叉熵锚定目标以及多负对比排名损失，通过 LoRA 微调 Whisper-small。 CS-FLEURS (cmn-eng) 和 ViMedCSS (vie-eng) 上的实验表明，与标准 LoRA 微调 相比，一般错误率和 CS 感知错误率均持续降低 2% 以上。