Pada tolok ukur Korea-Inggris HiKE, Whisper-Large membuat kesalahan pada 26,1% ucapan beralih kode, dibanding 4,4% pada bahasa Inggris monolingual dan 3,2% pada bahasa Korea monolingual (Paik dkk., tolok ukur HiKE 2026). Itu kira-kira enam kali tingkat kesalahan bahasa Inggris (26,1 / 4,4 = 5,9) untuk model yang sama. Polanya berulang di berbagai pasangan bahasa: para penulis CS-FLEURS mengukur tingkat kesalahan karakter lebih dari 2 kali lipat lebih tinggi pada rekaman beralih kode dibanding FLEURS monolingual (Yan dkk., Interspeech 2025), dan dalam tantangan Mandarin-Inggris ASRU 2019, sistem pemenang tetap salah pada 12,33% kata bahasa Inggris sisipan dibanding 4,04% karakter Mandarin (Shi dkk., laporan tantangan ASRU 2019). Alih kode (berpindah antara dua bahasa dalam satu percakapan, kalimat, bahkan kata) adalah perilaku biasa bagi banyak orang yang digambarkan dalam rangkuman dwibahasa dan rumah tangga multibahasa kami, namun sistem pengenalan masih disetel dan diperingkat satu bahasa pada satu waktu, mirip dengan kesenjangan aksen yang diukur dalam tolok ukur satu bahasa. Kami menghimpun data dari korpus SEAME di Linguistic Data Consortium, tantangan MUCS 2021 dan ASRU 2019, CS-FLEURS, HiKE, CS-Dialogue, ASCEND, makalah metrik PIER, tantangan DISPLACE 2023, Pew Research Center, dan karya survei ACL tentang penelitian alih kode.
Catatan tentang istilah yang digunakan di seluruh artikel: bahasa “matriks” adalah bahasa utama dalam sebuah kalimat, bahasa “sisipan” adalah bahasa yang disisipkan, dan “titik alih” adalah kata persis tempat bahasa berganti.
TL;DR
- Whisper-Large: tingkat kesalahan campuran 26,1% pada ucapan Korea-Inggris beralih kode dibanding WER 4,4% pada bahasa Inggris monolingual (Paik dkk., HiKE 2026).
- CER lebih dari 2 kali lipat lebih tinggi pada set CS-FLEURS beralih kode dibanding FLEURS monolingual (Yan dkk., Interspeech 2025).
- Sistem terbaik ASRU 2019: CER Mandarin 4,04% tetapi WER bahasa Inggris 12,33% di dalam kalimat campuran yang sama (Shi dkk., tantangan ASRU 2019).
- Kesalahan pada token tepat setelah peralihan ke bahasa Yoruba: 0,95 hingga 1,00 di berbagai sistem ASR dan model bahasa audio (Okocha dan Grant, arXiv 2026).
- Penyetelan halus memperbaiki WER Whisper-large pada Spanyol-Inggris sebesar 5,06% sementara kesalahan titik alih (PIER) memburuk 39,47% (Ugan dkk., ICASSP 2025).
- Rata-rata segmen bahasa dalam percakapan dwibahasa India: sekitar 500 ms, banyak yang hanya sekitar 200 ms (Baghel dkk., DISPLACE 2023).
- Whisper-small tanpa penyetelan halus pada set pengembangan SEAME DevSge: MER 157,5% saat diminta mengharapkan bahasa Mandarin dibanding 83,6% saat diminta bahasa Inggris (Yang dkk., 2023).
- TALCS, korpus Mandarin-Inggris terbesar yang tercantum, berisi 587 jam, sekitar 0,09% dari 680.000 jam pelatihan Whisper (Zhou dkk., CS-Dialogue 2025; Radford dkk., OpenAI 2022).
- 72 dari 114 korpus alih kode yang diperkenalkan dalam literatur NLP bersifat privat (Winata dkk., ACL Findings 2023).
- 63% orang dewasa Latino di AS menggunakan Spanglish setidaknya sesekali; 77% Latino dwibahasa melakukannya (Pew Research Center 2023).
- Sekitar 3,5% dari 50 juta tweet dalam tujuh bahasa beralih kode (Rijhwani dkk., ACL 2017).
1. Penalti Alih Kode: Tingkat Kesalahan Campuran vs Monolingual
Temuan utamanya konsisten di setiap tolok ukur yang menjalankan model yang sama pada kedua jenis ucapan: tingkat kesalahan melonjak berkali-kali lipat begitu dua bahasa berbagi satu kalimat. Pada HiKE, tingkat kesalahan beralih kode Whisper-Large adalah 5,9 kali WER bahasa Inggrisnya (26,1 / 4,4) dan 8,2 kali CER bahasa Koreanya (26,1 / 3,2). HiKE adalah perbandingan yang paling bersih karena melaporkan skor FLEURS monolingual untuk model yang sama di samping hasil beralih kode. GPT-4o-transcribe, sistem terkuat dalam tabel itu, tetap naik dari WER 3,3% pada bahasa Inggris menjadi MER 21,8% pada ucapan campuran.
Kesenjangannya tidak simetris. Dalam kalimat campuran, bahasa sisipan paling dirugikan: pemenang ASRU 2019 membuat sekitar tiga kali lebih banyak kesalahan pada kata bahasa Inggris dibanding karakter Mandarin (12,33 / 4,04 = 3,05), meskipun bahasa Inggris hanya menyusun sebagian kecil setiap kalimat: rata-rata 1,6 kata bahasa Inggris dibanding 8,6 karakter Tionghoa. Dalam evaluasi Inggris-Yoruba ketimpangannya ekstrem, dengan kegagalan hampir total pada bahasa yang sumber dayanya lebih rendah.
| Metrik | Nilai | Sumber |
|---|---|---|
| Whisper-Large, Korea-Inggris beralih kode (tingkat kesalahan campuran), WER bahasa Inggris monolingual, dan CER bahasa Korea monolingual | 26,1% dibanding 4,4% dibanding 3,2% | Paik dkk., tolok ukur HiKE 2026 |
| GPT-4o-transcribe, Korea-Inggris beralih kode (tingkat kesalahan campuran) dan WER bahasa Inggris monolingual | 21,8% dibanding 3,3% | Paik dkk., tolok ukur HiKE 2026 |
| Tingkat kesalahan karakter pada CS-FLEURS beralih kode dan FLEURS monolingual asli | Lebih dari 2 kali lipat lebih tinggi | Yan dkk., CS-FLEURS, Interspeech 2025 |
| Sistem terbaik ASRU 2019 (Track 1): CER Mandarin dan WER bahasa Inggris dalam kalimat beralih kode yang sama | 4,04% dibanding 12,33% | Shi dkk., laporan tantangan ASRU 2019 (2020) |
| WER Whisper-large-v3: ceramah TED bahasa Inggris monolingual, Fisher Spanyol-Inggris, dan ArzEn Arab Mesir-Inggris | 6,07% dibanding 29,43% dibanding 52,80% | Ugan dkk., makalah PIER, ICASSP 2025 |
| Set uji Inggris-Yoruba: tingkat kesalahan pada token bahasa Inggris dan pada token bahasa Yoruba (delapan sistem setia, yang mentranskripsi ucapan beralih kode tanpa menerjemahkannya ke satu bahasa) | 33% hingga 46% dibanding paling sedikit 96,6% | Okocha dan Grant, arXiv 2026 |
Catatan konteks: baris Ugan dkk. membandingkan dataset yang berbeda (bahasa Inggris kuliah dan ucapan percakapan telepon), sehingga sebagian kesenjangan mencerminkan kondisi rekaman, bukan hanya peralihan bahasa. Baris HiKE dan CS-FLEURS menjaga model tetap sama. Angka lengkap: makalah HiKE dan makalah CS-FLEURS.
2. Tolok Ukur Tingkat Kesalahan Campuran (MER): Posisi Bidang Ini
Tingkat kesalahan campuran ada karena tidak ada satu “kata” yang sama antara bahasa Mandarin dan Inggris: MER menghitung kesalahan per karakter untuk bahasa berbasis karakter (Mandarin, Korea) dan per kata untuk bahasa Inggris, lalu menggabungkannya menjadi satu angka. Itu menjadikan MER mata uang bersama makalah alih kode, tetapi juga menyembunyikan bahasa mana yang gagal, itulah sebabnya makalah yang lebih baik mencetak CER dan WER secara terpisah.
Dilihat di berbagai tolok ukur, angkanya tersebar luas: sistem pemenang mencetak MER 4,94% pada uji Mandarin-Inggris ASRU 2019, sementara baseline terbaik pada percakapan spontan ASCEND berada di 27,05%. Pasangan bahasa yang sama bisa tampak hampir terpecahkan atau sangat rusak tergantung gaya rekaman dan volume pelatihan: ASRU 2019 menyertakan 200 jam audio pelatihan beralih kode, ASCEND hanya 10,62 jam dialog spontan. Di antara model siap pakai, SenseVoice-Small mencapai MER 6,71% pada CS-Dialogue dibanding 15,29% untuk Whisper Large-V2.
| Metrik | Nilai | Sumber |
|---|---|---|
| Tingkat kesalahan campuran terbaik, ASRU 2019 Mandarin-Inggris, Track 1 (ASR tradisional, model bahasa tetap) dan Track 3 (ASR end-to-end) | 4,94% dibanding 5,91% | Shi dkk., laporan tantangan ASRU 2019 (2020) |
| Baseline terbaik pada percakapan spontan Hong Kong ASCEND: CER dan MER | 22,69% dibanding 27,05% | Lovenia dkk., korpus ASCEND (2021) |
| Set uji CS-Dialogue, model pralatih (MER): SenseVoice-Small, Paraformer, Qwen2-Audio, dan Whisper Large-V2 | 6,71% dibanding 9,65% dibanding 9,76% dibanding 15,29% | Zhou dkk., CS-Dialogue 2025 |
| CS-Dialogue, Conformer dilatih dari nol: CER Mandarin, WER bahasa Inggris, dan MER | 15,45% dibanding 32,36% dibanding 18,91% | Zhou dkk., CS-Dialogue 2025 |
| WER baseline end-to-end MUCS 2021 pada set uji: Hindi-Inggris dan Bengali-Inggris | 25,9% dibanding 31,0% | Diwan dkk., tantangan MUCS 2021 (Interspeech 2021) |
Catatan pencilan: baris Conformer CS-Dialogue menunjukkan lagi masalah bahasa sisipan, dengan WER bahasa Inggris lebih dari dua kali CER Mandarin pada set uji yang sama. Baris ASRU 2019, ASCEND (2021), dan MUCS 2021 memakai data terbaru yang tersedia, yang belum dijalankan ulang dengan model terkini oleh para penulisnya. Sumber: laporan tantangan ASRU 2019, CS-Dialogue, MUCS 2021.
3. Kegagalan di Titik Alih: Apa yang Disembunyikan Tingkat Kesalahan Keseluruhan
Sebuah transkrip bisa mendapat skor keseluruhan yang baik namun tetap salah pada setiap peralihan, karena kata yang dialihkan hanyalah bagian kecil dari total. PIER (Point-of-Interest Error Rate) dibuat untuk mengukur akurasi hanya pada kata tempat bahasa berganti, dan hasilnya tidak menyenangkan: setelah penyetelan halus, Whisper-large memperbaiki WER keseluruhannya pada Fisher Spanyol-Inggris sebesar 5,06% relatif sementara kesalahan titik alihnya naik 39,47%. Dengan kata lain, metrik papan peringkat yang biasa memberi hadiah kepada model yang justru memburuk dalam alih kode yang sebenarnya.
Arah juga penting. Pada set Inggris-Yoruba, sistem menangani peralihan kembali ke bahasa Inggris dengan cukup baik dan ambruk pada peralihan ke bahasa Yoruba. Peralihan yang lebih rapat menaikkan tingkat kesalahan pada sistem-sistem terkuat, dan peralihan di dalam satu kata (batang kata dalam satu bahasa, imbuhan dalam bahasa lain) adalah yang paling sulit. Sebagian tingkat kesalahan melebihi 100% karena penyisipan dihitung sebagai kesalahan; tiga model audio generatif menghasilkan teks berlebihan pada set Yoruba, sebuah mode kegagalan yang dibahas dalam rangkuman halusinasi pengenalan ucapan kami.
| Metrik | Nilai | Sumber |
|---|---|---|
| Whisper-large yang disetel halus pada Fisher Spanyol-Inggris: perubahan WER keseluruhan dan perubahan kesalahan titik alih (PIER) | 5,06% lebih baik dibanding 39,47% lebih buruk (relatif) | Ugan dkk., makalah PIER, ICASSP 2025 |
| Whisper-large yang disetel halus pada Fisher: WER dan PIER | 27,94% dibanding 50,78% | Ugan dkk., makalah PIER, ICASSP 2025 |
| Whisper-large pada ArzEn Arab-Inggris: kesalahan titik alih di antara kata dan di dalam kata | 49,50% dibanding 105,71% | Ugan dkk., makalah PIER, ICASSP 2025 |
| Kesalahan pada token pertama setelah peralihan: Inggris ke Yoruba dan Yoruba ke Inggris | 0,95 hingga 1,00 dibanding 0,40 hingga 0,53 | Okocha dan Grant, arXiv 2026 |
| Rata-rata WER sistem terkuat pada kepadatan alih rendah dan tinggi (Inggris-Yoruba) | 66,9% dibanding 71,2% | Okocha dan Grant, arXiv 2026 |
| Tingkat kesalahan token, ujaran dominan Inggris, seimbang, dan dominan Yoruba | Sekitar 0,42 dibanding 0,65 dibanding 0,83 | Okocha dan Grant, arXiv 2026 |
Catatan metodologi: set Inggris-Yoruba rata-rata memiliki 2,60 peralihan per ujaran (maksimum 9) dalam 9,54 jam audio dari 100 penutur, sehingga ini adalah uji ketahanan, bukan percakapan yang tipikal. Tabel lengkap: makalah PIER dan evaluasi Inggris-Yoruba yang peka terhadap peralihan.
4. Identifikasi Bahasa di Titik Alih
Sebagian besar model multibahasa memutuskan bahasa apa yang mereka dengar sebelum mentranskripsi. Pada ucapan beralih kode, keputusan tunggal itu keliru secara rancangan untuk sebagian dari setiap kalimat. Dalam percakapan dwibahasa India yang nyata, rata-rata rentang satu bahasa berlangsung sekitar 500 milidetik, dan banyak giliran bicara hanya berupa satu kata sekitar 200 milidetik (Baghel dkk., ringkasan DISPLACE 2023). Diarisasi bahasa (melabeli siapa yang berbicara bahasa apa dan kapan, padanan bahasa dari diarisasi penutur) kesulitan sesuai dengan itu, dan kebingungan antarbahasa menjadi komponen kesalahan terbesar.
Kelemahan yang sama muncul sebagai sensitivitas terhadap perintah. Memberi tahu Whisper bahasa apa yang diharapkan dapat menggeser hasil hingga puluhan poin, dan membiarkannya mendeteksi bahasa secara otomatis lebih buruk daripada menetapkannya pada set Inggris-Yoruba. Aksara juga berpengaruh: pada CS-FLEURS, pasangan yang ditulis dengan dua aksara berbeda memiliki CER rata-rata 3 kali lebih tinggi daripada pasangan yang berbagi satu aksara, masalah yang berkaitan dengan isu representasi lintas bahasa yang dibahas dalam statistik embedding ucapan multibahasa kami.
| Metrik | Nilai | Sumber |
|---|---|---|
| Tingkat kesalahan diarisasi bahasa DISPLACE 2023, evaluasi Fase 2: baseline (B2) dan tim terbaik | 41,67% dibanding 37,60% | Baghel dkk., ringkasan tantangan DISPLACE 2023 |
| Komponen kesalahan kebingungan pada baseline (B2), evaluasi Fase 2 | 26,40% (komponen terbesar) | Baghel dkk., ringkasan tantangan DISPLACE 2023 |
| Korpus DISPLACE 2023: total jam dan bahasa | 32 jam; tujuh bahasa (enam bahasa India ditambah bahasa Inggris India) | Baghel dkk., ringkasan tantangan DISPLACE 2023 |
| MER Whisper-small tanpa penyetelan halus pada set pengembangan SEAME DevSge: diberi perintah bahasa Mandarin dan diberi perintah bahasa Inggris | 157,5% dibanding 83,6% | Yang dkk., Whisper pada SEAME dan ASRU 2019 (2023) |
| Whisper-large-v3 pada Inggris-Yoruba: WER dengan deteksi bahasa otomatis dan dengan perintah tetap | 74,8% dibanding 71,2% | Okocha dan Grant, arXiv 2026 |
| Kesalahan titik alih (PIER) Whisper-large-v3 pada pembagian uji SEAME.sge: dekode tidak bergantung bahasa dan dekode yang dipaksa ke bahasa Inggris | 64,51% dibanding 36,10% | Ugan dkk., makalah PIER, ICASSP 2025 |
| CER Whisper-Large-v3 pada ucapan terbaca CS-FLEURS: pasangan beraksara sama dan pasangan beraksara berbeda | 7,32% dibanding 32,33% | Yan dkk., CS-FLEURS, Interspeech 2025 |
Catatan konteks: ringkasan DISPLACE juga melaporkan skor longgar (DER**, 34,72% untuk baseline pada Fase 2) yang menerapkan toleransi 250 ms, yang menghapus kata asing pendek berdurasi 500 ms atau kurang dari evaluasi. Para penulis makalah menyimpulkan bahwa kesalahan utama berasal dari durasi pendek rentang bahasa campuran. Sumber: ringkasan tantangan DISPLACE 2023.
5. Kelangkaan Data: Berapa Jam Ucapan Beralih Kode yang Ada
Kekurangan ini adalah akar penyebab di balik bagian 1 sampai 4. Korpus Mandarin-Inggris terbesar dalam tabel perbandingan CS-Dialogue, TALCS, berisi 587 jam; Whisper dilatih dengan 680.000 jam audio, sehingga TALCS setara sekitar 0,09% dari itu (587 / 680.000 = 0,086%). Sebagian besar korpus alih kode jauh lebih kecil, mencakup satu pasangan bahasa, dan banyak yang sama sekali tidak dapat diunduh.
Bahkan tolok ukur yang dikutip semua orang sulit dipastikan: SEAME muncul sebagai 192 jam di katalog Linguistic Data Consortium tetapi sebagai 30 jam dalam satu tabel perbandingan 2025 (lihat catatan data di bagian metodologi). Cakupan kosakata adalah celah kedua: pada MUCS 2021, tingkat kata di luar kosakata (porsi kata uji yang tidak ada dalam kosakata pelatihan) mencapai 27,3% pada set uji buta Bengali-Inggris.
| Metrik | Nilai | Sumber |
|---|---|---|
| Korpus Mandarin-Inggris SEAME (Singapura dan Malaysia): jam dan penutur | Sekitar 192 jam; 156 penutur berusia 19 hingga 33 tahun | Linguistic Data Consortium, SEAME LDC2015S04 (2015) |
| Data pelatihan beralih kode MUCS 2021: Hindi-Inggris dan Bengali-Inggris | 89,86 jam dibanding 46,11 jam | Diwan dkk., tantangan MUCS 2021 |
| Tingkat kata di luar kosakata MUCS 2021, uji buta: Hindi-Inggris dan Bengali-Inggris | 19,6% dibanding 27,3% | Diwan dkk., tantangan MUCS 2021 |
| Data tantangan ASRU 2019: pelatihan hanya Mandarin, pelatihan beralih kode, dan pengembangan beralih kode | 500 dibanding 200 dibanding 40 jam | Shi dkk., laporan tantangan ASRU 2019 (2020) |
| Korpus Mandarin-Inggris spontan: ASCEND, CS-Dialogue, dan TALCS | 10,62 jam (23 penutur) dibanding 104,02 jam (200 penutur) dibanding 587 jam | Zhou dkk., CS-Dialogue 2025 (tabel perbandingan) |
| CS-FLEURS: bahasa, pasangan beralih kode, total jam | 52 bahasa, 113 pasangan, 294 jam | Yan dkk., CS-FLEURS, Interspeech 2025 |
| Ukuran tolok ukur Korea-Inggris HiKE | 1.121 ujaran, sekitar 2,2 jam, 13 penutur | Paik dkk., tolok ukur HiKE 2026 |
| Korpus alih kode yang diperkenalkan dalam literatur NLP: total dan privat | 114 dibanding 72 (63%) | Winata dkk., ACL Findings 2023 |
Penanda kebaruan: angka SEAME, MUCS, dan survei korpus adalah data terbaru yang tersedia (LDC 2015, MUCS 2021, Winata dkk. 2023). Perhatikan juga bahwa 128 dari 294 jam CS-FLEURS adalah set pelatihan ucapan sintetis yang dihasilkan dengan teks-ke-ucapan, dan sebagian besar set ujinya juga sintetis; hanya set uji READ sepanjang 17 jam yang memakai suara dwibahasa asli. Sumber: entri katalog LDC SEAME, survei Winata dkk., makalah Whisper.
6. Hasil Penyetelan Halus dan Adaptasi
Data beralih kode dalam domain yang sedikit saja sudah sangat berpengaruh. Penyetelan halus Whisper-Medium pada ucapan Korea-Inggris alami memangkas tingkat kesalahan campuran HiKE dari 31,3 menjadi 9,0, penurunan 22,3 poin, dan Whisper-small pada SEAME turun dari 101,9 menjadi 14,3 MER pada set pengembangan DevMan dengan perintah yang sama. Tim Yang dkk. melaporkan bahwa peningkatan pada SEAME jenuh setelah sekitar 1 hingga 10 jam data adaptasi.
Namun ada imbal baliknya. Penyetelan halus HiKE yang sama menaikkan CER bahasa Korea monolingual dari 3,4 menjadi 6,0, sehingga model yang disetel untuk ucapan campuran bisa kehilangan akurasi pada ucapan satu bahasa. Skala tetap mengalahkan penyetelan: sebuah Conformer internal yang dilatih dengan lebih dari 40.000 jam mengungguli Whisper-small yang disetel halus sekitar 18% pada SEAME (Yang dkk., 2023).
| Metrik | Nilai | Sumber |
|---|---|---|
| Whisper-Medium pada HiKE: MER sebelum dan sesudah penyetelan halus pada ucapan Korea-Inggris alami | 31,3 dibanding 9,0 | Paik dkk., tolok ukur HiKE 2026 |
| Penyetelan halus yang sama: CER bahasa Korea monolingual, sebelum dan sesudah | 3,4 dibanding 6,0 | Paik dkk., tolok ukur HiKE 2026 |
| Whisper-small pada SEAME, perintah bahasa Inggris: MER tanpa dan dengan penyetelan halus, set pengembangan DevMan dan set pengembangan DevSge | 101,9 dibanding 14,3; 83,6 dibanding 20,4 | Yang dkk., Whisper pada SEAME dan ASRU 2019 (2023) |
| Jumlah data adaptasi saat peningkatan SEAME menjadi jenuh | Sekitar 1 hingga 10 jam | Yang dkk., Whisper pada SEAME dan ASRU 2019 (2023) |
| Whisper-Medium pada CS-Dialogue: MER tanpa dan dengan penyetelan halus | 15,88% dibanding 7,53% (pengurangan relatif 52,6%) | Zhou dkk., CS-Dialogue 2025 |
| Uji baca CS-FLEURS, pasangan bahasa yang sudah dikenal: tingkat kesalahan tanpa dan dengan augmentasi alih kode sintetis | 31,77 dibanding 26,24 | Yan dkk., CS-FLEURS, Interspeech 2025 |
Catatan hitung: pengurangan relatif pada CS-Dialogue adalah (15,88 - 7,53) / 15,88 = 52,6%. Penyetelan halus tidak selalu membantu: dalam makalah PIER, Whisper-small yang disetel halus pada SEAME naik dari 68,24 menjadi 87,67 MER pada pembagian uji SEAME.sge. Sumber: Yang dkk. 2023.
7. Seberapa Umum Alih Kode di Kalangan Penutur Dwibahasa
Sistem pengenalan memperlakukan alih kode sebagai kasus pinggiran; data survei menunjukkan bahwa itu adalah ujaran sehari-hari. 63% orang dewasa Latino di AS mengatakan mereka menggunakan Spanglish setidaknya sesekali, dan 40% mengatakan sering melakukannya (Pew Research Center 2023, survei terhadap 3.029 orang dewasa Hispanik yang dilakukan pada 1 hingga 14 Agustus 2022). Di antara Latino dwibahasa, porsinya naik menjadi 77%, dan 52% dari mereka menggunakan Spanglish sangat atau amat sering. Bagi pengenal ucapan, itu berarti bahasa campuran adalah masukan normal dari kelompok pengguna yang besar, bukan pengecualian yang jarang.
Data teks menunjukkan hal yang sama dalam skala besar. Dari sekitar 50 juta tweet dalam tujuh bahasa (Belanda, Inggris, Prancis, Jerman, Portugis, Spanyol, dan Turki), sekitar 3,5% beralih kode, dengan bahasa Inggris hadir di 85,4% di antaranya. Perhatian penelitian mengikuti populasi dwibahasa terbesar: Hindi-Inggris dan Spanyol-Inggris mendominasi literatur, dan sebagian besar makalah di ISCA, forum utama penelitian ucapan, bekerja dengan data ucapan.
| Metrik | Nilai | Sumber |
|---|---|---|
| Orang dewasa Latino di AS yang menggunakan Spanglish setidaknya sesekali dan sering | 63% dibanding 40% | Pew Research Center, Latinos’ Views of and Experiences With the Spanish Language (2023) |
| Penggunaan Spanglish setidaknya sesekali: Latino dwibahasa, dominan Inggris, dan dominan Spanyol | 77% dibanding 54% dibanding 56% | Pew Research Center (2023) |
| Penggunaan Spanglish setidaknya sesekali: generasi kedua dan generasi ketiga atau lebih | 72% dibanding 45% | Pew Research Center (2023) |
| Orang tua dwibahasa yang melaporkan mencampur bahasa dengan anak mereka | 90% dari 181 orang tua | Concordia University, studi Byers-Heinlein (2013) |
| Porsi beralih kode dari sekitar 50 juta tweet dalam tujuh bahasa | Sekitar 3,5% | Rijhwani dkk., ACL 2017 |
| Pasangan paling bercampur sebagai porsi tweet beralih kode: Inggris-Spanyol, Inggris-Prancis, Inggris-Portugis | 21,5%, 20,8%, 18,4% | Rijhwani dkk., ACL 2017 |
| Kota dengan porsi tweet beralih kode tertinggi dan terendah | Istanbul 12% dibanding Houston 1% | Rijhwani dkk., ACL 2017 |
| Makalah penelitian alih kode menurut pasangan bahasa: Hindi-Inggris, Spanyol-Inggris, dan Tionghoa-Inggris | 128 dibanding 86 dibanding 47 | Winata dkk., ACL Findings 2023 |
Penanda kebaruan: studi orang tua (2013) dan analisis Twitter (2017) adalah data terbaru yang tersedia untuk ukuran tersebut; angka Pew berasal dari surveinya pada 2022. Sumber: laporan Pew Research Center, Rijhwani dkk. 2017, siaran pers studi Concordia.
Ringkasan: Pengenalan Ucapan Alih Kode dalam Angka
| Metrik | Nilai | Sumber |
|---|---|---|
| Whisper-Large: MER Korea-Inggris beralih kode dan WER bahasa Inggris monolingual | 26,1% dibanding 4,4% | Paik dkk., tolok ukur HiKE 2026 |
| CER pada CS-FLEURS beralih kode dan FLEURS monolingual | Lebih dari 2 kali lipat lebih tinggi | Yan dkk., CS-FLEURS, Interspeech 2025 |
| Pemenang ASRU 2019: CER Mandarin dan WER bahasa Inggris sisipan | 4,04% dibanding 12,33% | Shi dkk., laporan tantangan ASRU 2019 (2020) |
| MER baseline terbaik pada percakapan spontan ASCEND | 27,05% | Lovenia dkk., korpus ASCEND (2021) |
| MER CS-Dialogue: SenseVoice-Small dan Whisper Large-V2 | 6,71% dibanding 15,29% | Zhou dkk., CS-Dialogue 2025 |
| WER baseline end-to-end MUCS 2021: Hindi-Inggris dan Bengali-Inggris | 25,9% dibanding 31,0% | Diwan dkk., tantangan MUCS 2021 |
| Whisper-large yang disetel halus pada Fisher: perubahan WER dan perubahan kesalahan titik alih | 5,06% lebih baik dibanding 39,47% lebih buruk | Ugan dkk., makalah PIER, ICASSP 2025 |
| Kesalahan setelah beralih ke Yoruba dan ke Inggris | 0,95 hingga 1,00 dibanding 0,40 hingga 0,53 | Okocha dan Grant, arXiv 2026 |
| Rata-rata segmen bahasa dalam percakapan dwibahasa India | Sekitar 500 ms | Baghel dkk., ringkasan tantangan DISPLACE 2023 |
| Tingkat kesalahan diarisasi bahasa terbaik, DISPLACE 2023 | 37,60% | Baghel dkk., ringkasan tantangan DISPLACE 2023 |
| CER CS-FLEURS terbaca: pasangan beraksara sama dan beraksara berbeda | 7,32% dibanding 32,33% | Yan dkk., CS-FLEURS, Interspeech 2025 |
| Korpus Mandarin-Inggris terbesar yang tercantum (TALCS) dan data pelatihan Whisper | 587 jam dibanding 680.000 jam | Zhou dkk., CS-Dialogue 2025; Radford dkk., OpenAI 2022 |
| Ukuran korpus SEAME | Sekitar 192 jam, 156 penutur | Linguistic Data Consortium, LDC2015S04 |
| Porsi privat korpus alih kode | 72 dari 114 (63%) | Winata dkk., ACL Findings 2023 |
| Orang dewasa Latino di AS yang menggunakan Spanglish setidaknya sesekali | 63% | Pew Research Center (2023) |
| Porsi tweet beralih kode dalam tujuh bahasa | Sekitar 3,5% | Rijhwani dkk., ACL 2017 |
Metodologi dan Sumber
- Paik dkk., HiKE: Hierarchical Evaluation Framework for Korean-English Code-Switching Speech Recognition, arXiv v4, 13 Januari 2026: arxiv.org/html/2509.24613v4
- Yan dkk., CS-FLEURS: A Massively Multilingual and Code-Switched Speech Dataset, Interspeech 2025: arxiv.org/abs/2509.14161v1
- Okocha dan 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 dan Waibel, PIER: A Novel Metric for Evaluating What Matters in Code-Switching, ICASSP 2025: arxiv.org/html/2501.09512
- Zhou dkk., CS-Dialogue: A 104-Hour Dataset of Spontaneous Mandarin-English Code-Switching Dialogues for Speech Recognition, arXiv v2, 12 Maret 2025: arxiv.org/html/2502.18913v2
- Shi, Feng dan Xie, The ASRU 2019 Mandarin-English Code-Switching Speech Recognition Challenge: Open Datasets, Tracks, Methods and Results, 2020: arxiv.org/abs/2007.05916
- Diwan dkk., Multilingual and code-switching ASR challenges for low resource Indian languages (MUCS 2021), 2021: arxiv.org/abs/2104.00235
- Lovenia dkk., ASCEND: A Spontaneous Chinese-English Dataset for Code-switching in Multi-turn Conversation, 2021: arxiv.org/abs/2112.06223v4
- Yang, Peng, Zhong, Huang dan 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 dkk., Summary of the DISPLACE Challenge 2023, direvisi 3 Januari 2024: arxiv.org/abs/2311.12564
- Linguistic Data Consortium, entri katalog SEAME LDC2015S04, dirilis 15 April 2015: catalog.ldc.upenn.edu/LDC2015S04
- Winata, Aji, Yong dan Solorio, The Decades Progress on Code-Switching Research in NLP, ACL Findings 2023: arxiv.org/abs/2212.09660
- Radford dkk. (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 dkk., Estimating Code-Switching on Twitter with a Novel Generalized Word-Level Language Detection Technique, ACL 2017: aclanthology.org/P17-1180
- Concordia University, studi Byers-Heinlein terhadap 181 orang tua dwibahasa, siaran pers 16 Januari 2013: sciencedaily.com
- Catatan data: ukuran SEAME berbeda menurut sumber: katalog LDC mencantumkan sekitar 192 jam dan 156 penutur, tabel perbandingan CS-Dialogue mencantumkan 30 jam dan 157 penutur (teksnya sendiri menyebut 92 penutur), dan Yang dkk. memakai set pelatihan 93,6 jam, sehingga angka-angka itu kemungkinan menggambarkan subset yang berbeda. Abstrak MUCS 2021 mengutip WER baseline alih kode 32,45% yang sesuai dengan rata-rata end-to-end yang tidak diselaraskan, bukan hasil yang diselaraskan ulang seperti yang dikutip di sini, dan total sekitar 600 jam yang dinyatakannya tidak cocok dengan jumlah tabelnya sendiri. Abstrak ASRU 2019 menyebut 240 jam data beralih kode, yaitu 200 jam pelatihan ditambah 40 jam pengembangan. Angka HiKE berubah di antara versi arXiv (MER keseluruhan Whisper-Tiny 103,8 pada v2, 93,6 pada v4); kami mengutip v4. Makalah Inggris-Yoruba diunggah pada 10 September 2026 dan angkanya dapat berubah setelah tinjauan sejawat. MER, CER, WER, dan PIER dapat melebihi 100% karena penyisipan dihitung sebagai kesalahan. Angka prevalensi mengukur hal yang berbeda (ujaran yang dilaporkan sendiri, ujaran yang dilaporkan orang tua, tweet tertulis) dan tidak boleh digabungkan.
- Terakhir diperbarui: 31 Oktober 2026. Kami memperbarui rangkuman ini setiap kuartal, dan penyegaran berikutnya diperkirakan terjadi ketika makalah alih kode Interspeech 2026 dan ICASSP 2027 serta versi final tolok ukur HiKE yang telah ditinjau sejawat dipublikasikan.