Non-native Children's Automatic Speech Assessment Challenge (NOCASA)

本文提出了“非母语儿童自动语音评估”（NOCASA）——IEEE MLSP 2025会议的一项数据竞赛。NOCASA挑战参赛者开发新系统，以评估年轻第二语言（L2）学习者的单词发音，这是一款游戏化的语音训练应用的一部分。为实现此目标，必须解决几个问题，尤其是可获得训练数据的有限性以及发音水平类别中高度不平衡的分布。为加速开发，我们提供了伪匿名化的训练数据（TeflonNorL2），包含44名说话者 attempting to pronounce 205个 distinct norwegian words的10,334个录音，按1至5比例（游戏中应给予的星数）进行人类评分。除数据外，还提供了两个已训练的系统作为官方基线：一个在ComParE_16声学特征集上训练的SVM分类器，以及一个多任务wav2vec 2.0模型。后者在挑战测试集上实现最佳性能，未加权平均召回率（UAR）为36.37%。