कोड-स्विचिंग (Code-Switching) क्या है?

कोड-स्विचिंग तब होती है जब एक वक्ता बातचीत के दौरान या एक ही वाक्य के भीतर दो या दो से अधिक भाषाओं, बोलियों या भाषा के रूपों के बीच बदलाव करता है। यह शब्द समाजभाषाविज्ञान (sociolinguistics) से आया है, जहाँ शोधकर्ताओं ने 20वीं सदी के मध्य से इसका अध्ययन भाषा की कमी के संकेत के बजाय बहुभाषी संचार की एक प्राकृतिक विशेषता के रूप में किया है।

रोजमर्रा की बातचीत में, कोड-स्विचिंग बेहद आम है। एक द्विभाषी वक्ता कह सकता है, "No recuerdo mi bank password," जिसमें एक ही वाक्य में स्पैनिश और अंग्रेजी का मिश्रण होता है। इस तरह का सहज भाषा परिवर्तन दुनिया भर के संपर्क केंद्रों (contact centers), चिकित्सा परामर्शों और वॉयस-संचालित अनुप्रयोगों में दैनिक रूप से लाखों बातचीत में होता है।

कोड-स्विचिंग के प्रकार

भाषाविद् दो प्राथमिक प्रकारों की पहचान करते हैं, जिनमें से प्रत्येक के स्पीच टेक्नोलॉजी (speech technology) के लिए अलग-अलग प्रभाव हैं:

• अंतर-वाक्य कोड-स्विचिंग (Inter-sentential code-switching): भाषा का यह बदलाव पूर्ण वाक्यों के बीच होता है। उदाहरण के लिए, एक वक्ता एक वाक्य हिंदी में समाप्त करता है और अगला वाक्य अंग्रेजी में शुरू करता है। यह प्रकार एएसआर (ASR) प्रणालियों को पता लगाने के लिए एक स्पष्ट ध्वनिक सीमा (acoustic boundary) प्रदान करता है।

• अंतः-वाक्य कोड-स्विचिंग (Intra-sentential code-switching): यह बदलाव एक ही वाक्य के भीतर होता है, जिससे स्पीच मॉडल को बिना किसी पूर्व सूचना के एक साथ दो अलग-अलग ध्वन्यात्मक प्रणालियों (phonological systems) के फोनेम (phonemes) को प्रोसेस करने के लिए मजबूर होना पड़ता है। एएसआर के लिए इसे संभालना काफी कठिन होता है।

कोड-स्विचिंग बनाम कोड-मिक्सिंग

अकादमिक भाषाविज्ञान में, कुछ शोधकर्ता कोड-स्विचिंग (वाक्य या उपवाक्य सीमाओं पर भाषाओं के बीच बदलाव) और कोड-मिक्सिंग (एक ही उपवाक्य या वाक्यांश के भीतर भाषाओं का मिश्रण) के बीच अंतर करते हैं। व्यावहारिक रूप से, एएसआर और स्पीच टेक्नोलॉजी समुदाय एक ही ऑडियो स्ट्रीम में बहुभाषी भाषण को संभालने की चुनौती का वर्णन करने के लिए दोनों शब्दों का परस्पर उपयोग करते हैं।

वॉयस एआई (Voice AI) के लिए कोड-स्विचिंग क्यों मायने रखती है?

मोनोलिंगुअल (एकभाषी) एएसआर मॉडल संपूर्ण ऑडियो इनपुट में एकल-भाषा वितरण का अनुमान लगाते हैं। जब कोई वक्ता बात के बीच में भाषा बदलता है, तो कई विफलता मोड सामने आते हैं:

• टोकनाइज़र विफलताएं: एक भाषा पर प्रशिक्षित टोकनाइज़र के पास बदली हुई भाषा के लिए शब्दावली प्रविष्टियाँ नहीं होती हैं, जिससे विकृत आउटपुट, काल्पनिक शब्द या मूक विलोपन (silent deletions) उत्पन्न होते हैं।

• ध्वनिक मॉडल भ्रम (Acoustic model confusion): भाषा की सीमाओं पर सटीकता का स्तर तेजी से गिरता है क्योंकि मॉडल के सीखे गए ध्वन्यात्मक वितरण आने वाले ऑडियो से मेल नहीं खाते हैं।

• डाउनस्ट्रीम त्रुटियां: स्विच पॉइंट पर ट्रांसक्रिप्ट त्रुटियां इरादे के वर्गीकरण (intent classification), नामित इकाई पहचान (named entity recognition) और भावना विश्लेषण (sentiment analysis) में फैल जाती हैं, जो अक्सर बातचीत में सबसे मूल्यवान टोकन को दूषित कर देती हैं।

शोध से पता चलता है कि कोड-स्विच्ड ऑडियो एकभाषी बेसलाइन की तुलना में काफी अधिक वर्ड एरर रेट (WER) पैदा कर सकता है, जिसमें त्रुटियां ठीक उसी क्षण केंद्रित होती हैं जहां भाषा परिवर्तन होता है।

समाजशास्त्र और संचार में कोड-स्विचिंग

भाषाविज्ञान और तकनीक से परे, कोड-स्विचिंग दर्शकों या सेटिंग के आधार पर किसी के बोलने की शैली, व्यवहार या प्रस्तुति को समायोजित करने की सामाजिक प्रथा का भी वर्णन करती है। समाजशास्त्र में, यह अवधारणा इस बात तक फैली हुई है कि व्यक्ति विभिन्न सांस्कृतिक या व्यावसायिक संदर्भों को कैसे संचालित करते हैं। यद्यपि सामाजिक और भाषाई परिभाषाएं ओवरलैप होती हैं, वॉयस एआई प्रणालियां विशेष रूप से भाषा-परिवर्तन के आयाम पर ध्यान केंद्रित करती हैं।

स्पीच टेक्नोलॉजी में कोड-स्विचिंग को संभालने के दृष्टिकोण

आधुनिक एएसआर आर्किटेक्चर दो मुख्य रणनीतियों के माध्यम से कोड-स्विचिंग का समाधान करते हैं:

• कैस्केड (LID-फिर-रूट): एक भाषा पहचान (LID) मॉड्यूल पहले ऑडियो सेगमेंट को वर्गीकृत करता है, फिर उसे एक भाषा-विशिष्ट एएसआर मॉडल पर रूट करता है। यह अंतर-वाक्य स्विचिंग के लिए काम करता है लेकिन विलंबता (latency) को बढ़ाता है और अंतः-वाक्य स्विचिंग के साथ संघर्ष करता है।

• एकीकृत बहुभाषी मॉडल: एक एकल एंड-टू-एंड मॉडल एक ही बार में सभी भाषाओं को संसाधित करता है, जो मूल रूप से अंतः-वाक्य स्विचिंग को संभालता है क्योंकि इसकी शब्दावली और ध्वनिक प्रतिनिधित्व कई भाषाओं में फैले होते हैं। यह दृष्टिकोण आमतौर पर स्ट्रीमिंग अनुप्रयोगों के लिए कम विलंबता और बेहतर स्विच-पॉइंट सटीकता प्रदान करता है।