文本转语音 (TTS) 系统通过结合多语言训练数据、特定语言处理模块和上下文感知能力来处理语码转换——即在同一句子中切换语言或方言。现代 TTS 模型，例如基于神经网络的模型，在包含语码转换语音的数据集上进行训练，使它们能够识别和重现语言混合的模式。例如，系统可能会处理一个句子，如“I want to eat sushi tonight, pero no tengo dinero”，首先识别英语和西班牙语之间的语言边界，然后为每个片段应用适当的发音规则。
为了管理发音，TTS 系统通常为每种语言使用单独的音素清单或字形转音素 (G2P) 模型。当检测到语言切换时，系统动态选择正确的语音规则。例如，在单词“sushi”中，“sh”音遵循日语语音规则，而“dinero”使用西班牙语音素。一些系统在单词或子词级别使用语言识别，在合成之前为每个标记添加语言代码。这确保了声学模型（例如控制语调或音节重音的模型）相应地调整。此外，韵律模型可能被设计用来融合特定语言的节奏模式，避免语言之间出现不自然的停顿或音高变化。
架构选择也起着重要作用。基于 Transformer 的 TTS 模型使用自注意力机制，擅长捕获长程依赖关系，使其更适合处理语码转换。例如，模型可以通过在语音生成过程中调整注意力权重来学习强调语言之间的转换。开发者可以通过对语码转换数据集进行微调或加入明确的语言嵌入来指导合成，从而进一步优化性能。测试通常涉及评估混合语言句子中的发音准确度和自然度等指标。尽管仍然存在挑战，例如处理罕见的语言对，但多语言训练和模块化设计的进步正在不断提高 TTS 系统的语码转换能力。