• 發表：10th Workshop on Speech and Language Technology in Education (SLaTE 2025), pp. 199–203

• 我的角色：第一作者。

• 問題：觀點陳述題的口說評量缺乏標註錄音，題目多樣性不足，評分的可靠度也因此受限。

• 方法：以 LLM 產生指定能力等級的多樣回答，透過 speaker-aware TTS 合成語音，並以 dynamic importance loss 依合成與真實語音的特徵分布差異調整訓練樣本權重；再由多模態 LLM 結合文字與語音特徵直接預測能力分數。

• 結果：在 LTTC 資料集上優於只用真實資料或傳統資料增強的方法，緩解了低資源限制。