Im koreanisch-englischen Benchmark HiKE machte Whisper-Large bei 26,1% der Code-Switching-Sprache Fehler, gegenüber 4,4% bei einsprachigem Englisch und 3,2% bei einsprachigem Koreanisch (Paik et al., HiKE-Benchmark 2026). Das ist beim selben Modell etwa das Sechsfache der Fehlerrate im Englischen (26,1 / 4,4 = 5,9). Das Muster wiederholt sich über Sprachpaare hinweg: Die CS-FLEURS-Autoren maßen auf Code-Switching-Aufnahmen mehr als doppelt so hohe Zeichenfehlerraten wie auf einsprachigem FLEURS (Yan et al., Interspeech 2025), und in der Mandarin-Englisch-Challenge ASRU 2019 machte das Gewinnersystem bei 12,33% der eingebetteten englischen Wörter Fehler, gegenüber 4,04% der Mandarin-Zeichen (Shi et al., Bericht zur ASRU-2019-Challenge). Code-Switching (das Wechseln zwischen zwei Sprachen innerhalb eines Gesprächs, Satzes oder sogar Wortes) ist für viele der in unserer Zusammenstellung zu Zweisprachigkeit und mehrsprachigen Haushalten beschriebenen Menschen alltägliches Verhalten, doch Erkennungssysteme werden weiterhin Sprache für Sprache abgestimmt und bewertet, ähnlich wie bei den in einsprachigen Benchmarks gemessenen Akzentlücken. Wir haben Daten aus dem SEAME-Korpus des Linguistic Data Consortium, den Challenges MUCS 2021 und ASRU 2019, CS-FLEURS, HiKE, CS-Dialogue, ASCEND, der PIER-Metrik-Arbeit, der DISPLACE-2023-Challenge, dem Pew Research Center und Überblicksarbeiten der ACL zur Code-Switching-Forschung zusammengeführt.
Ein Hinweis zu den durchgehend verwendeten Begriffen: Die “Matrixsprache” ist die Hauptsprache eines Satzes, die “eingebettete” Sprache ist die, die hineingewechselt wird, und eine “Wechselstelle” ist das genaue Wort, an dem die Sprache wechselt.
TL;DR
- Whisper-Large: 26,1% gemischte Fehlerrate bei koreanisch-englischer Code-Switching-Sprache vs 4,4% WER bei einsprachigem Englisch (Paik et al., HiKE 2026).
- Die CER ist auf den Code-Switching-Sets von CS-FLEURS mehr als doppelt so hoch wie auf einsprachigem FLEURS (Yan et al., Interspeech 2025).
- Bestes System von ASRU 2019: 4,04% CER im Mandarin, aber 12,33% WER im Englischen innerhalb derselben gemischten Sätze (Shi et al., ASRU 2019).
- Fehler bei den Tokens direkt nach einem Wechsel ins Yoruba: 0,95 bis 1,00 über ASR-Systeme und Audio-Sprachmodelle hinweg (Okocha und Grant, arXiv 2026).
- Die Feinabstimmung verbesserte die WER von Whisper-large bei Spanisch-Englisch um 5,06%, während der Fehler an den Wechselstellen (PIER) um 39,47% schlechter wurde (Ugan et al., ICASSP 2025).
- Durchschnittlicher Sprachabschnitt in indischen zweisprachigen Gesprächen: rund 500 ms, viele nur etwa 200 ms (Baghel et al., DISPLACE 2023).
- Whisper-small ohne Feinabstimmung auf dem SEAME-Entwicklungsset DevSge: 157,5% MER, wenn Mandarin erwartet werden soll, vs 83,6% bei Englisch (Yang et al., 2023).
- TALCS, das größte aufgeführte Mandarin-Englisch-Korpus, umfasst 587 Stunden, etwa 0,09% der 680.000 Trainingsstunden von Whisper (Zhou et al., CS-Dialogue 2025; Radford et al., OpenAI 2022).
- 72 von 114 in der NLP-Literatur vorgestellten Code-Switching-Korpora sind nicht öffentlich (Winata et al., ACL Findings 2023).
- 63% der erwachsenen Latinos in den USA sprechen zumindest manchmal Spanglish; bei zweisprachigen Latinos sind es 77% (Pew Research Center 2023).
- Rund 3,5% von 50 Millionen Tweets in sieben Sprachen enthielten Code-Switching (Rijhwani et al., ACL 2017).
1. Der Code-Switching-Abschlag: Gemischte vs einsprachige Fehlerraten
Der zentrale Befund ist in jedem Benchmark konsistent, der dasselbe Modell auf beiden Sprachtypen laufen lässt: Die Fehlerraten springen um ein Vielfaches, sobald zwei Sprachen in einem Satz zusammentreffen. In HiKE lag die Code-Switching-Fehlerrate von Whisper-Large beim 5,9-Fachen seiner englischen WER (26,1 / 4,4) und beim 8,2-Fachen seiner koreanischen CER (26,1 / 3,2). HiKE ist der sauberste Vergleich, weil es neben den Code-Switching-Ergebnissen auch einsprachige FLEURS-Werte für dieselben Modelle ausweist. GPT-4o-transcribe, das stärkste System in dieser Tabelle, ging dennoch von 3,3% WER im Englischen auf 21,8% MER bei gemischter Sprache.
Die Lücke ist nicht symmetrisch. In gemischten Sätzen leidet die eingebettete Sprache am meisten: Der Gewinner von ASRU 2019 machte bei englischen Wörtern etwa dreimal so viele Fehler wie bei Mandarin-Zeichen (12,33 / 4,04 = 3,05), obwohl Englisch nur einen kleinen Teil jedes Satzes ausmachte: durchschnittlich 1,6 englische Wörter gegenüber 8,6 chinesischen Zeichen. In der englisch-yorubischen Auswertung ist das Ungleichgewicht extrem, mit nahezu totalem Versagen bei der ressourcenärmeren Sprache.
| Metrik | Wert | Quelle |
|---|---|---|
| Whisper-Large, Code-Switching Koreanisch-Englisch (gemischte Fehlerrate) vs WER bei einsprachigem Englisch vs CER bei einsprachigem Koreanisch | 26,1% vs 4,4% vs 3,2% | Paik et al., HiKE-Benchmark 2026 |
| GPT-4o-transcribe, Code-Switching Koreanisch-Englisch (gemischte Fehlerrate) vs WER bei einsprachigem Englisch | 21,8% vs 3,3% | Paik et al., HiKE-Benchmark 2026 |
| Zeichenfehlerrate auf CS-FLEURS mit Code-Switching vs ursprüngliches einsprachiges FLEURS | Mehr als doppelt so hoch | Yan et al., CS-FLEURS, Interspeech 2025 |
| Bestes ASRU-2019-System (Track 1): CER im Mandarin vs WER im Englischen in denselben Code-Switching-Sätzen | 4,04% vs 12,33% | Shi et al., Bericht zur ASRU-2019-Challenge (2020) |
| WER von Whisper-large-v3: einsprachige englische TED-Vorträge vs Fisher Spanisch-Englisch vs ArzEn Ägyptisch-Arabisch-Englisch | 6,07% vs 29,43% vs 52,80% | Ugan et al., PIER-Arbeit, ICASSP 2025 |
| Englisch-Yoruba-Testset: Fehlerrate bei englischen Tokens vs Yoruba-Tokens (acht Systeme, die das Original treu transkribieren) | 33% bis 46% vs mindestens 96,6% | Okocha und Grant, arXiv 2026 |
Kontexthinweis: Die Zeile von Ugan et al. vergleicht unterschiedliche Datensätze (Vortragsenglisch vs konversationelle Telefonsprache), sodass ein Teil dieser Lücke die Aufnahmebedingungen widerspiegelt und nicht nur das Sprachwechseln. Die Zeilen zu HiKE und CS-FLEURS halten das Modell konstant. Vollständige Zahlen: HiKE-Arbeit und CS-FLEURS-Arbeit.
2. Benchmarks zur gemischten Fehlerrate (MER): Wo das Feld steht
Die gemischte Fehlerrate gibt es, weil es über Mandarin und Englisch hinweg kein einheitliches “Wort” gibt: Die MER zählt Fehler pro Zeichen bei zeichenbasierten Sprachen (Mandarin, Koreanisch) und pro Wort im Englischen und führt sie dann zu einer Rate zusammen. Das macht die MER zur gemeinsamen Währung der Code-Switching-Arbeiten, verbirgt aber auch, welche Sprache versagt, weshalb die besseren Arbeiten CER und WER getrennt ausweisen.
Über die Benchmarks hinweg gelesen, streuen die Zahlen stark: Das Gewinnersystem erreichte im Mandarin-Englisch-Test von ASRU 2019 4,94% MER, während die beste Baseline bei den spontanen ASCEND-Gesprächen bei 27,05% lag. Dasselbe Sprachpaar kann je nach Aufnahmestil und Trainingsumfang fast gelöst oder schwer defekt wirken: ASRU 2019 lieferte 200 Stunden Code-Switching-Trainingsaudio, ASCEND nur 10,62 Stunden spontanen Dialog. Unter den fertigen Modellen erreichte SenseVoice-Small auf CS-Dialogue 6,71% MER gegenüber 15,29% bei Whisper Large-V2.
| Metrik | Wert | Quelle |
|---|---|---|
| Beste gemischte Fehlerrate, ASRU 2019 Mandarin-Englisch, Track 1 (klassisches ASR, festes Sprachmodell) vs Track 3 (End-to-End-ASR) | 4,94% vs 5,91% | Shi et al., Bericht zur ASRU-2019-Challenge (2020) |
| Beste Baseline bei spontanen Hongkonger Gesprächen in ASCEND: CER vs MER | 22,69% vs 27,05% | Lovenia et al., ASCEND-Korpus (2021) |
| CS-Dialogue-Testset, vortrainierte Modelle (MER): SenseVoice-Small vs Paraformer vs Qwen2-Audio vs Whisper Large-V2 | 6,71% vs 9,65% vs 9,76% vs 15,29% | Zhou et al., CS-Dialogue 2025 |
| CS-Dialogue, von Grund auf trainierter Conformer: CER im Mandarin vs WER im Englischen vs MER | 15,45% vs 32,36% vs 18,91% | Zhou et al., CS-Dialogue 2025 |
| WER der End-to-End-Baseline von MUCS 2021 auf dem Testset: Hindi-Englisch vs Bengalisch-Englisch | 25,9% vs 31,0% | Diwan et al., MUCS-2021-Challenge (Interspeech 2021) |
Hinweis zum Ausreißer: Die Conformer-Zeile bei CS-Dialogue zeigt erneut das Problem der eingebetteten Sprache, wobei die englische WER im selben Testset mehr als das Doppelte der Mandarin-CER beträgt. Neueste verfügbare Daten für die Zeilen zu ASRU 2019, ASCEND (2021) und MUCS 2021, die ihre Autoren nicht mit aktuellen Modellen erneut durchgeführt haben. Quellen: Bericht zur ASRU-2019-Challenge, CS-Dialogue, MUCS 2021.
3. Fehler an den Wechselstellen: Was die Gesamtfehlerraten verbergen
Ein Transkript kann insgesamt gut abschneiden und trotzdem jeden Wechsel falsch machen, weil die gewechselten Wörter nur einen kleinen Anteil am Ganzen haben. PIER (Point-of-Interest Error Rate) wurde entwickelt, um die Genauigkeit nur an den Wörtern zu messen, an denen die Sprache wechselt, und die Ergebnisse sind unbequem: Nach der Feinabstimmung verbesserte Whisper-large seine gesamte WER auf spanisch-englischem Fisher um relativ 5,06%, während sein Fehler an den Wechselstellen um 39,47% stieg. Mit anderen Worten: Die übliche Ranglisten-Metrik belohnte ein Modell, das beim eigentlichen Code-Switching schlechter wurde.
Auch die Richtung spielt eine Rolle. Im englisch-yorubischen Set bewältigten die Systeme Wechsel zurück ins Englische einigermaßen und brachen bei Wechseln ins Yoruba ein. Dichteres Wechseln erhöhte die Fehlerraten bei den stärksten Systemen, und Wechsel innerhalb eines einzelnen Wortes (ein Stamm in einer Sprache, ein Affix in einer anderen) waren am schwierigsten. Einige Fehlerraten liegen über 100%, weil Einfügungen als Fehler zählen; drei generative Audiomodelle erzeugten auf dem Yoruba-Set zu viel Text, ein Fehlermuster, das wir in unserer Zusammenstellung zu Halluzinationen in der Spracherkennung behandeln.
| Metrik | Wert | Quelle |
|---|---|---|
| Feinabgestimmtes Whisper-large auf Fisher Spanisch-Englisch: Veränderung der gesamten WER vs Veränderung des Fehlers an den Wechselstellen (PIER) | 5,06% besser vs 39,47% schlechter (relativ) | Ugan et al., PIER-Arbeit, ICASSP 2025 |
| Feinabgestimmtes Whisper-large auf Fisher: WER vs PIER | 27,94% vs 50,78% | Ugan et al., PIER-Arbeit, ICASSP 2025 |
| Whisper-large auf ArzEn Arabisch-Englisch: Fehler an Wechselstellen zwischen Wörtern vs innerhalb von Wörtern | 49,50% vs 105,71% | Ugan et al., PIER-Arbeit, ICASSP 2025 |
| Fehler beim ersten Token nach einem Wechsel: Englisch zu Yoruba vs Yoruba zu Englisch | 0,95 bis 1,00 vs 0,40 bis 0,53 | Okocha und Grant, arXiv 2026 |
| Mittlere WER der stärksten Systeme bei niedriger vs hoher Wechseldichte (Englisch-Yoruba) | 66,9% vs 71,2% | Okocha und Grant, arXiv 2026 |
| Token-Fehlerrate, englischdominante vs ausgewogene vs Yoruba-dominante Äußerungen | Etwa 0,42 vs 0,65 vs 0,83 | Okocha und Grant, arXiv 2026 |
Methodischer Vorbehalt: Das englisch-yorubische Set hat durchschnittlich 2,60 Wechsel pro Äußerung (maximal 9) bei 9,54 Stunden Audio von 100 Sprechern, ist also ein Stresstest und kein typisches Gespräch. Vollständige Tabellen: PIER-Arbeit und wechselsensitive Auswertung Englisch-Yoruba.
4. Sprachidentifikation an den Wechselstellen
Die meisten mehrsprachigen Modelle entscheiden, welche Sprache sie hören, bevor sie transkribieren. Bei Code-Switching-Sprache ist diese eine Entscheidung für einen Teil jedes Satzes konstruktionsbedingt falsch. In echten indischen zweisprachigen Gesprächen dauerte der durchschnittliche Abschnitt in einer Sprache rund 500 Millisekunden, und viele Redebeiträge bestanden aus Einzelwörtern von etwa 200 Millisekunden (Baghel et al., DISPLACE-2023-Zusammenfassung). Die Sprach-Diarisierung (das Kennzeichnen, wer wann welche Sprache spricht, das sprachliche Gegenstück zur Sprecher-Diarisierung) tat sich entsprechend schwer, und die Verwechslung zwischen Sprachen war die größte Fehlerkomponente.
Dieselbe Schwäche zeigt sich als Prompt-Empfindlichkeit. Wenn man Whisper sagt, welche Sprache zu erwarten ist, können sich die Ergebnisse um Dutzende Punkte verschieben, und die automatische Sprachidentifikation war auf dem englisch-yorubischen Set schlechter als eine feste Vorgabe. Auch die Schrift spielt eine Rolle: Auf CS-FLEURS hatten Paare in zwei verschiedenen Schriftsystemen im Durchschnitt eine 3-fach höhere CER als Paare mit gemeinsamer Schrift, ein verwandtes Problem zu den sprachübergreifenden Repräsentationsfragen, die wir in unseren Statistiken zu mehrsprachigen Sprach-Embeddings behandeln.
| Metrik | Wert | Quelle |
|---|---|---|
| Fehlerrate der Sprach-Diarisierung bei DISPLACE 2023, Auswertung Phase 2: Baseline (B2) vs bestes Team | 41,67% vs 37,60% | Baghel et al., Zusammenfassung der DISPLACE-2023-Challenge |
| Verwechslungsfehler-Komponente der Baseline (B2), Auswertung Phase 2 | 26,40% (größte Komponente) | Baghel et al., Zusammenfassung der DISPLACE-2023-Challenge |
| DISPLACE-2023-Korpus: Gesamtstunden und Sprachen | 32 Stunden; sieben Sprachen (sechs indische Sprachen plus indisches Englisch) | Baghel et al., Zusammenfassung der DISPLACE-2023-Challenge |
| MER von Whisper-small ohne Feinabstimmung auf dem SEAME-Entwicklungsset DevSge: mit Mandarin-Prompt vs mit Englisch-Prompt | 157,5% vs 83,6% | Yang et al., Whisper auf SEAME und ASRU 2019 (2023) |
| Whisper-large-v3 auf Englisch-Yoruba: WER mit automatischer Sprachidentifikation vs festem Prompt | 74,8% vs 71,2% | Okocha und Grant, arXiv 2026 |
| Fehler an den Wechselstellen (PIER) von Whisper-large-v3 auf dem Test-Split SEAME.sge: sprachagnostische Dekodierung vs auf Englisch erzwungene Dekodierung | 64,51% vs 36,10% | Ugan et al., PIER-Arbeit, ICASSP 2025 |
| CER von Whisper-Large-v3 bei vorgelesener CS-FLEURS-Sprache: Paare mit gleicher Schrift vs Paare mit unterschiedlicher Schrift | 7,32% vs 32,33% | Yan et al., CS-FLEURS, Interspeech 2025 |
Kontexthinweis: Die DISPLACE-Zusammenfassung weist auch einen nachsichtigen Wert aus (DER**, 34,72% für die Baseline in Phase 2), der eine Toleranz von 250 ms anwendet und damit kurze Fremdwörter von 500 ms oder weniger aus der Bewertung nimmt. Die Autoren der Arbeit folgern, dass der Hauptfehler von der kurzen Dauer der Sprachmischabschnitte stammt. Quelle: Zusammenfassung der DISPLACE-2023-Challenge.
5. Datenknappheit: Wie viele Stunden Code-Switching-Sprache es gibt
Die Knappheit ist die Grundursache hinter den Abschnitten 1 bis 4. Das größte Mandarin-Englisch-Korpus in der Vergleichstabelle von CS-Dialogue, TALCS, umfasst 587 Stunden; Whisper wurde mit 680.000 Stunden Audio trainiert, TALCS entspricht also etwa 0,09% davon (587 / 680.000 = 0,086%). Die meisten Code-Switching-Korpora sind weit kleiner, decken ein einziges Sprachpaar ab, und viele lassen sich gar nicht herunterladen.
Selbst der Benchmark, den alle zitieren, ist schwer zu fassen: SEAME erscheint im Katalog des Linguistic Data Consortium mit 192 Stunden, in einer Vergleichstabelle von 2025 aber mit 30 Stunden (siehe den Daten-Hinweis). Die Vokabularabdeckung ist eine zweite Lücke: Bei MUCS 2021 erreichte die Rate unbekannter Wörter (Anteil der Testwörter, die im Trainingsvokabular fehlen) auf dem verdeckten Testset Bengalisch-Englisch 27,3%.
| Metrik | Wert | Quelle |
|---|---|---|
| SEAME-Korpus Mandarin-Englisch (Singapur und Malaysia): Stunden und Sprecher | Etwa 192 Stunden; 156 Sprecher im Alter von 19 bis 33 Jahren | Linguistic Data Consortium, SEAME LDC2015S04 (2015) |
| Code-Switching-Trainingsdaten von MUCS 2021: Hindi-Englisch vs Bengalisch-Englisch | 89,86 Stunden vs 46,11 Stunden | Diwan et al., MUCS-2021-Challenge |
| Rate unbekannter Wörter bei MUCS 2021, verdeckter Test: Hindi-Englisch vs Bengalisch-Englisch | 19,6% vs 27,3% | Diwan et al., MUCS-2021-Challenge |
| Daten der ASRU-2019-Challenge: Training nur Mandarin vs Code-Switching-Training vs Code-Switching-Entwicklungsset | 500 vs 200 vs 40 Stunden | Shi et al., Bericht zur ASRU-2019-Challenge (2020) |
| Spontane Mandarin-Englisch-Korpora: ASCEND vs CS-Dialogue vs TALCS | 10,62 Stunden (23 Sprecher) vs 104,02 Stunden (200 Sprecher) vs 587 Stunden | Zhou et al., CS-Dialogue 2025 (Vergleichstabelle) |
| CS-FLEURS: Sprachen, Code-Switching-Paare, Gesamtstunden | 52 Sprachen, 113 Paare, 294 Stunden | Yan et al., CS-FLEURS, Interspeech 2025 |
| Umfang des koreanisch-englischen Benchmarks HiKE | 1.121 Äußerungen, etwa 2,2 Stunden, 13 Sprecher | Paik et al., HiKE-Benchmark 2026 |
| In der NLP-Literatur vorgestellte Code-Switching-Korpora: gesamt vs nicht öffentlich | 114 vs 72 (63%) | Winata et al., ACL Findings 2023 |
Aktualitätshinweis: Die Zahlen zu SEAME, MUCS und dem Korpus-Überblick sind die neuesten verfügbaren Daten (LDC 2015, MUCS 2021, Winata et al. 2023). Zu beachten ist außerdem, dass 128 der 294 CS-FLEURS-Stunden ein Trainingsset aus synthetischer, per Sprachsynthese erzeugter Sprache sind und auch die meisten Testsets synthetisch sind; nur das 17 Stunden umfassende READ-Testset verwendet echte zweisprachige Stimmen. Quellen: LDC-Katalogeintrag zu SEAME, Überblicksarbeit von Winata et al., Whisper-Arbeit.
6. Ergebnisse von Feinabstimmung und Adaption
Kleine Mengen von Code-Switching-Daten aus der Zieldomäne bewirken viel. Die Feinabstimmung von Whisper-Medium auf natürlicher koreanisch-englischer Sprache senkte die gemischte Fehlerrate auf HiKE von 31,3 auf 9,0, ein Rückgang um 22,3 Punkte, und Whisper-small fiel auf SEAME von 101,9 auf 14,3 MER auf dem Entwicklungsset DevMan mit demselben Prompt. Das Team um Yang et al. berichtete, dass die Verbesserungen auf SEAME nach etwa 1 bis 10 Stunden Adaptionsdaten sättigten.
Es gibt allerdings einen Zielkonflikt. Dieselbe Feinabstimmung auf HiKE erhöhte die CER im einsprachigen Koreanisch von 3,4 auf 6,0, ein auf gemischte Sprache abgestimmtes Modell kann also bei einsprachiger Sprache an Genauigkeit verlieren. Größe schlägt Abstimmung dennoch: Ein hauseigener Conformer, trainiert auf über 40.000 Stunden, übertraf das feinabgestimmte Whisper-small auf SEAME um etwa 18% (Yang et al., 2023).
| Metrik | Wert | Quelle |
|---|---|---|
| Whisper-Medium auf HiKE: MER vor vs nach der Feinabstimmung auf natürlicher koreanisch-englischer Sprache | 31,3 vs 9,0 | Paik et al., HiKE-Benchmark 2026 |
| Dieselbe Feinabstimmung: CER im einsprachigen Koreanisch vorher vs nachher | 3,4 vs 6,0 | Paik et al., HiKE-Benchmark 2026 |
| Whisper-small auf SEAME, englischer Prompt: MER ohne Feinabstimmung vs mit Feinabstimmung, Entwicklungsset DevMan und Entwicklungsset DevSge | 101,9 vs 14,3; 83,6 vs 20,4 | Yang et al., Whisper auf SEAME und ASRU 2019 (2023) |
| Menge an Adaptionsdaten, bei der die Verbesserungen auf SEAME sättigten | Etwa 1 bis 10 Stunden | Yang et al., Whisper auf SEAME und ASRU 2019 (2023) |
| Whisper-Medium auf CS-Dialogue: MER ohne Feinabstimmung vs mit Feinabstimmung | 15,88% vs 7,53% (relative Reduktion von 52,6%) | Zhou et al., CS-Dialogue 2025 |
| CS-FLEURS-Lesetest, bekannte Sprachpaare: Fehlerrate ohne vs mit synthetischer Code-Switching-Datenerweiterung | 31,77 vs 26,24 | Yan et al., CS-FLEURS, Interspeech 2025 |
Rechenhinweis: Die relative Reduktion bei CS-Dialogue beträgt (15,88 - 7,53) / 15,88 = 52,6%. Feinabstimmung hilft nicht immer: In der PIER-Arbeit stieg die MER von auf SEAME feinabgestimmtem Whisper-small auf dem Test-Split SEAME.sge von 68,24 auf 87,67. Quelle: Yang et al. 2023.
7. Wie verbreitet Code-Switching unter zweisprachigen Sprechern ist
Erkennungssysteme behandeln Code-Switching als Randfall; die Umfragedaten zeigen, dass es Alltagssprache ist. 63% der erwachsenen Latinos in den USA geben an, zumindest manchmal Spanglish zu sprechen, und 40% sagen, dass sie es oft tun (Pew Research Center 2023, Umfrage unter 3.029 hispanischen Erwachsenen vom 1. bis 14. August 2022). Bei zweisprachigen Latinos steigt der Anteil auf 77%, und 52% von ihnen sprechen sehr oft oder extrem oft Spanglish. Für einen Spracherkenner bedeutet das, dass gemischte Sprache die normale Eingabe einer großen Nutzergruppe ist und keine seltene Ausnahme.
Textdaten zeigen dasselbe in großem Maßstab. Von rund 50 Millionen Tweets in sieben Sprachen (Niederländisch, Englisch, Französisch, Deutsch, Portugiesisch, Spanisch und Türkisch) enthielten etwa 3,5% Code-Switching, in 85,4% davon mit Englisch. Die Forschungsaufmerksamkeit folgt den größten zweisprachigen Bevölkerungsgruppen: Hindi-Englisch und Spanisch-Englisch dominieren die Literatur, und die meisten Beiträge bei der ISCA, dem wichtigsten Forum der Sprachforschung, arbeiten mit Sprachdaten.
| Metrik | Wert | Quelle |
|---|---|---|
| Erwachsene Latinos in den USA, die zumindest manchmal vs oft Spanglish sprechen | 63% vs 40% | Pew Research Center, Latinos’ Views of and Experiences With the Spanish Language (2023) |
| Spanglish zumindest manchmal: zweisprachige vs englischdominante vs spanischdominante Latinos | 77% vs 54% vs 56% | Pew Research Center (2023) |
| Spanglish zumindest manchmal: zweite Generation vs dritte oder höhere Generation | 72% vs 45% | Pew Research Center (2023) |
| Zweisprachige Eltern, die berichteten, mit ihren Kindern die Sprachen zu mischen | 90% von 181 Eltern | Concordia University, Studie von Byers-Heinlein (2013) |
| Code-Switching-Anteil an rund 50 Millionen Tweets in sieben Sprachen | Etwa 3,5% | Rijhwani et al., ACL 2017 |
| Am häufigsten gemischte Paare als Anteil der Code-Switching-Tweets: Englisch-Spanisch, Englisch-Französisch, Englisch-Portugiesisch | 21,5%, 20,8%, 18,4% | Rijhwani et al., ACL 2017 |
| Stadt mit dem höchsten vs niedrigsten Anteil an Code-Switching-Tweets | Istanbul 12% vs Houston 1% | Rijhwani et al., ACL 2017 |
| Forschungsarbeiten zu Code-Switching nach Sprachpaar: Hindi-Englisch vs Spanisch-Englisch vs Chinesisch-Englisch | 128 vs 86 vs 47 | Winata et al., ACL Findings 2023 |
Aktualitätshinweis: Die Elternstudie (2013) und die Twitter-Analyse (2017) sind die neuesten verfügbaren Daten für diese Messgrößen; die Zahlen des Pew stammen aus seiner Umfrage von 2022. Quellen: Bericht des Pew Research Center, Rijhwani et al. 2017, Mitteilung zur Concordia-Studie.
Zusammenfassung: Spracherkennung bei Code-Switching in Zahlen
| Metrik | Wert | Quelle |
|---|---|---|
| Whisper-Large: MER bei Code-Switching Koreanisch-Englisch vs WER bei einsprachigem Englisch | 26,1% vs 4,4% | Paik et al., HiKE-Benchmark 2026 |
| CER auf CS-FLEURS mit Code-Switching vs einsprachiges FLEURS | Mehr als doppelt so hoch | Yan et al., CS-FLEURS, Interspeech 2025 |
| Gewinner von ASRU 2019: CER im Mandarin vs WER im eingebetteten Englisch | 4,04% vs 12,33% | Shi et al., Bericht zur ASRU-2019-Challenge (2020) |
| Beste Baseline-MER bei den spontanen ASCEND-Gesprächen | 27,05% | Lovenia et al., ASCEND-Korpus (2021) |
| MER bei CS-Dialogue: SenseVoice-Small vs Whisper Large-V2 | 6,71% vs 15,29% | Zhou et al., CS-Dialogue 2025 |
| WER der End-to-End-Baseline von MUCS 2021: Hindi-Englisch vs Bengalisch-Englisch | 25,9% vs 31,0% | Diwan et al., MUCS-2021-Challenge |
| Feinabgestimmtes Whisper-large auf Fisher: Veränderung der WER vs Veränderung des Fehlers an den Wechselstellen | 5,06% besser vs 39,47% schlechter | Ugan et al., PIER-Arbeit, ICASSP 2025 |
| Fehler nach einem Wechsel ins Yoruba vs ins Englische | 0,95 bis 1,00 vs 0,40 bis 0,53 | Okocha und Grant, arXiv 2026 |
| Durchschnittlicher Sprachabschnitt in indischen zweisprachigen Gesprächen | Rund 500 ms | Baghel et al., Zusammenfassung der DISPLACE-2023-Challenge |
| Beste Fehlerrate der Sprach-Diarisierung, DISPLACE 2023 | 37,60% | Baghel et al., Zusammenfassung der DISPLACE-2023-Challenge |
| CER bei vorgelesenem CS-FLEURS: Paare mit gleicher Schrift vs mit unterschiedlicher Schrift | 7,32% vs 32,33% | Yan et al., CS-FLEURS, Interspeech 2025 |
| Größtes aufgeführtes Mandarin-Englisch-Korpus (TALCS) vs Trainingsdaten von Whisper | 587 Stunden vs 680.000 Stunden | Zhou et al., CS-Dialogue 2025; Radford et al., OpenAI 2022 |
| Umfang des SEAME-Korpus | Etwa 192 Stunden, 156 Sprecher | Linguistic Data Consortium, LDC2015S04 |
| Nicht öffentlicher Anteil der Code-Switching-Korpora | 72 von 114 (63%) | Winata et al., ACL Findings 2023 |
| Erwachsene Latinos in den USA, die zumindest manchmal Spanglish sprechen | 63% | Pew Research Center (2023) |
| Code-Switching-Anteil an Tweets in sieben Sprachen | Etwa 3,5% | Rijhwani et al., ACL 2017 |
Methodik und Quellen
- Paik et al., HiKE: Hierarchical Evaluation Framework for Korean-English Code-Switching Speech Recognition, arXiv v4, 13. Januar 2026: arxiv.org/html/2509.24613v4
- Yan et al., CS-FLEURS: A Massively Multilingual and Code-Switched Speech Dataset, Interspeech 2025: arxiv.org/abs/2509.14161v1
- Okocha und Grant, Beyond Word Error Rate: A Switch Aware Evaluation of ASR and Audio Language Models on English Yoruba Code-Switched Speech, arXiv, 10. September 2026: arxiv.org/abs/2609.11786
- Ugan, Pham, Barmann und Waibel, PIER: A Novel Metric for Evaluating What Matters in Code-Switching, ICASSP 2025: arxiv.org/html/2501.09512
- Zhou et al., CS-Dialogue: A 104-Hour Dataset of Spontaneous Mandarin-English Code-Switching Dialogues for Speech Recognition, arXiv v2, 12. März 2025: arxiv.org/html/2502.18913v2
- Shi, Feng und Xie, The ASRU 2019 Mandarin-English Code-Switching Speech Recognition Challenge: Open Datasets, Tracks, Methods and Results, 2020: arxiv.org/abs/2007.05916
- Diwan et al., Multilingual and code-switching ASR challenges for low resource Indian languages (MUCS 2021), 2021: arxiv.org/abs/2104.00235
- Lovenia et al., ASCEND: A Spontaneous Chinese-English Dataset for Code-switching in Multi-turn Conversation, 2021: arxiv.org/abs/2112.06223v4
- Yang, Peng, Zhong, Huang und Chng, Adapting OpenAI’s Whisper for Speech Recognition on Code-Switch Mandarin-English SEAME and ASRU2019 Datasets, 29. November 2023: arxiv.org/html/2311.17382v1
- Baghel et al., Summary of the DISPLACE Challenge 2023, überarbeitet am 3. Januar 2024: arxiv.org/abs/2311.12564
- Linguistic Data Consortium, SEAME-Katalogeintrag LDC2015S04, veröffentlicht am 15. April 2015: catalog.ldc.upenn.edu/LDC2015S04
- Winata, Aji, Yong und Solorio, The Decades Progress on Code-Switching Research in NLP, ACL Findings 2023: arxiv.org/abs/2212.09660
- Radford et al. (OpenAI), Robust Speech Recognition via Large-Scale Weak Supervision, 2022: arxiv.org/abs/2212.04356
- Pew Research Center, Latinos’ Views of and Experiences With the Spanish Language, 20. September 2023: pewresearch.org
- Rijhwani et al., Estimating Code-Switching on Twitter with a Novel Generalized Word-Level Language Detection Technique, ACL 2017: aclanthology.org/P17-1180
- Concordia University, Studie von Byers-Heinlein mit 181 zweisprachigen Eltern, Pressemitteilung vom 16. Januar 2013: sciencedaily.com
- Daten-Hinweis: Der Umfang von SEAME unterscheidet sich je nach Quelle: Der LDC-Katalog nennt etwa 192 Stunden und 156 Sprecher, die Vergleichstabelle von CS-Dialogue 30 Stunden und 157 Sprecher (ihr eigener Text nennt 92 Sprecher), und Yang et al. verwendeten ein Trainingsset von 93,6 Stunden, sodass die Zahlen wahrscheinlich unterschiedliche Teilmengen beschreiben. Das Abstract von MUCS 2021 nennt eine Code-Switching-Baseline-WER von 32,45%, die dem nicht neu ausgerichteten End-to-End-Durchschnitt entspricht und nicht den hier zitierten neu ausgerichteten Ergebnissen, und die angegebene Gesamtmenge von etwa 600 Stunden stimmt nicht mit der Summe der eigenen Tabellen überein. Das Abstract von ASRU 2019 nennt 240 Stunden Code-Switching-Daten, das sind die 200 Trainingsstunden plus 40 Entwicklungsstunden. Die HiKE-Zahlen änderten sich zwischen arXiv-Versionen (gesamte MER von Whisper-Tiny 103,8 in v2, 93,6 in v4); wir zitieren v4. Die englisch-yorubische Arbeit wurde am 10. September 2026 veröffentlicht, und ihre Zahlen können sich nach dem Peer-Review ändern. MER, CER, WER und PIER können über 100% liegen, weil Einfügungen als Fehler zählen. Die Verbreitungszahlen messen unterschiedliche Dinge (selbst berichtete Sprache, von Eltern berichtete Sprache, geschriebene Tweets) und sollten nicht kombiniert werden.
- Zuletzt aktualisiert: 31. Oktober 2026. Wir aktualisieren diese Zusammenstellung vierteljährlich, und die nächste Aktualisierung wird erwartet, wenn die Code-Switching-Arbeiten von Interspeech 2026 und ICASSP 2027 sowie die endgültige, begutachtete Fassung des HiKE-Benchmarks veröffentlicht werden.