S&I Challenge 2025 SLA Open Track

NTNU系统整合W2V和Phi-4用于口语评估

来自NTNU的研究人员开发了一个新颖的口语评估（SLA）系统，该系统整合了wav2vec 2.0 (W2V) 模型和Phi-4多模态大语言模型（MLLM）。这种方法旨在克服现有方法的局限性，例如基于BERT的系统会遗漏韵律线索，而基于W2V的系统则缺乏语义可解释性。该组合系统在Speak & Improve Challenge 2025测试集上取得了0.375的均方根误差（RMSE），获得第二名。