تبحث الدراسة في استخدام الالتواء الزمني الديناميكي (DTW) على تمثيلات WavLM ذاتية الإشراف لتقييم الدقة الصوتية، والإيقاع، والنبرة في نطق اللغة الثانية بالإنجليزية واليابانية دون الحاجة إلى بيانات تدريب مُعلَّمة. يتجاوز نهج DTW الأساسي الذي يقارن نطق المتعلمين بالقوالب الأصلية اتفاق البشر في التقييم الصوتي الشامل وعلى مستوى الجملة.
- لتقييم الإيقاع، قدم المؤلفون طرقًا لقياس درجة الالتواء في مسار محاذاة DTW، حيث تقترب أفضل طريقة من الأداء البشري.
- يجمع تقييم النبرة بين مسافة DTW على المتبقيات البروسودية وخصائص النبرة والشدة، على الرغم من أن الأداء لا يزال متواضعًا في بعض المهام.
تُظهر النتائج أن التمثيلات ذاتية الإشراف توفر أساسًا واعدًا بدون نص لتقييم النطق متعدد الجوانب.