Klingt, als würdest du genau das Problem haben, das bei der neuen Azure Speech-Version häufiger auftritt das Sprachmodell erkennt Kontexte falsch und wechselt automatisch zwischen Sprachen. Ich hatte neulich denselben Fall bei einem Livestream-Agenten und konnte es stabilisieren, ohne die Stimme zu wechseln. Wenn du magst, kann ich dir kurz zeigen, wie ich das gelöst habe.