BroadRouter
Começar

Code-switching (alternância de código)

Atualizado em

Code-switching é o uso de dois ou mais idiomas, ou variedades de um mesmo idioma, dentro da mesma conversa ou frase, na fala ou na escrita. Exemplos são falantes de árabe que misturam palavras em inglês ao dialeto, ou que alternam entre o árabe padrão moderno e o próprio dialeto.

Também chamado de: alternância de código, alternância de idiomas, mistura de idiomas, texto com idiomas misturados, code switching, code-mixing, code mixing, language mixing, mixed-language text

Para pessoas bilíngues, code-switching é a forma normal de falar. Para software que espera um idioma por entrada, é uma fonte comum de erros.

Como funciona

Solorio et al. (2014), na primeira shared task sobre dados com code-switching, o definem de forma ampla como um ato de comunicação, “spoken or written, where two or more languages are being used interchangeably” (tradução: falado ou escrito, em que dois ou mais idiomas são usados de forma intercambiável). A tarefa rotulou com o idioma cada palavra de posts do Twitter em quatro pares: árabe padrão moderno-árabe dialetal, mandarim-inglês, nepalês-inglês e espanhol-inglês. Sete equipes enviaram 42 execuções. A identificação no nível de palavra foi mais difícil para árabe padrão versus dialeto, porque os dois são muito próximos, e mais fácil para espanhol-inglês e nepalês-inglês.

Usuários árabes alternam de várias formas ao mesmo tempo:

  • Dialeto e árabe padrão. O artigo do MADAR observa que, em situações sem roteiro em que se espera o árabe padrão, como talk shows na TV, os falantes alternam repetidamente entre o dialeto e o árabe padrão.
  • Árabe e inglês ou francês. Darwish (2014) observa que muitos falantes de árabe são bilíngues e misturam inglês ou francês com árabe dentro das frases.
  • Escritas. Mensagens digitadas podem misturar escrita árabe, escrita latina e Arabizi na mesma linha.

Uma mensagem típica de chat no Golfo mistura tudo isso:

عندي meeting بكرة الساعة 3، can we move it?
("I have a meeting tomorrow at 3, can we move it?")

As palavras árabes são dialetais, “meeting” é inglês dentro de uma oração em árabe, e a frase termina em inglês. Um detector de idioma, um tokenizer e um modelo de fala precisam, cada um, lidar com essa troca.

Por que isso importa

  • Speech-to-text. Uma requisição de transcrição normalmente aceita um único language. O nome de um produto em inglês no meio de uma fala em árabe pode sair em escrita árabe, em escrita latina ou mal entendido. Combine uma convenção e calcule o word error rate com base nela, senão você vai contar diferenças de estilo como erros.
  • Roteamento e busca. Um detector de idioma que escolhe um único rótulo por mensagem vai errar em mensagens mistas, e intenções em árabe podem cair no fluxo em inglês.
  • Prompts de LLM. Diga ao modelo que a entrada pode misturar idiomas e em qual idioma ele deve responder. Senão, ele pode imitar o último idioma que apareceu.

Na BroadNet Inference

A documentação da BroadNet diz para sempre enviar language na transcrição, ar para árabe e en para inglês, e avisa que sem ele o árabe pode ser transliterado para letras latinas. Ela não documenta uma configuração para idiomas misturados. Para fala em árabe com palavras em inglês, envie language=ar para o BroadNet Transcribe Arabic e teste com gravações reais; o artigo sobre reconhecimento de fala em dialetos mostra como montar esse conjunto de teste. Para texto misto em chat, o Qwen3.8 27B é o modelo que a BroadNet relata ter testado com dialetos árabes.

Perguntas frequentes

Code-switching é a mesma coisa que code-mixing?

Na prática, os dois nomes descrevem mais de um idioma em uma única mensagem ou conversa, e causam os mesmos problemas para ferramentas de linguagem. Este glossário os trata como um termo só.

Que idioma devo enviar para um áudio em árabe com palavras em inglês?

Na BroadNet, envie language=ar para áudio que é principalmente em árabe. Decida antes se as palavras em inglês devem ficar em letras latinas e confira uma amostra das transcrições.

Os LLMs entendem texto com code-switching?

Normalmente sim, para pares comuns como árabe e inglês, mas a qualidade varia por modelo e dialeto. Diga no prompt que a entrada pode misturar idiomas, informe o idioma da resposta e teste com mensagens reais dos seus usuários.

Ler em MarkdownPerguntar ao ChatGPTPerguntar ao ClaudePerguntar ao Perplexity