语码转换指同一句话里混用两种语言，在多语语音里很常见，但预训练语料对它的覆盖不足。要扩大覆盖，得从大规模语音库里找出这类语料。常见做法是先转录音频，再在文本里检测语言交替，但这对转录的准确性要求很高。

本文绕过转录，直接在语音上检测。方法很轻量：利用预训练语音编码器里的帧级语言信息，先用单语录音找出对语言有选择性的隐藏状态维度，再把对应维度的帧级激活聚合起来，输出“是否包含两种语言”的预测。整个流程只需要一个小的CS数据集来调节决策规则。

在CS-FLEURS的14个语言对上，Whisper-small编码器的平均F1为0.798，高于CNN的0.776和HuBERT线性基线的0.751（后者为单语语言识别训练）。结果表明，预训练语音编码器内部已经编码了识别语码转换所需的信息，这为构建更具代表性的多语语料库提供了一个轻量工具。