Исследование изучает использование динамической временной развертки (DTW) на самонадзорных представлениях WavLM для оценки фонетической точности, ритма и интонации в речи L2 на английском и японском языках без необходимости размеченных обучающих данных. Базовый подход DTW, сравнивающий речь обучающихся с нативными шаблонами, превосходит человеческое согласие в целостной и предложно-уровневой фонетической оценке.
- Для оценки ритма авторы предлагают методы измерения степени развертки на пути выравнивания DTW, при этом лучший метод приближается к уровню человека.
- Оценка интонации объединяет расстояние DTW по просодическим остаткам с признаками высоты тона и интенсивности, хотя производительность остается умеренной в некоторых задачах.
Результаты демонстрируют, что самонадзорные представления обеспечивают перспективную основу без текста для многоаспектной оценки произношения.