当前，汉语、英语等主流语种的智能信息处理技术已在语言理解、语言生成等领域表现出优异的应用效果。同时，深度学习的迅速发展受到了学术界和工业界的广泛关注， 深度学习技术对自然语言处理领域的诸多任务产生了越来越重要的影响。

蒙古语作为中国的少数民族语言之一，有着悠久的历史和丰厚的底蕴。它的使用人群分布在当今世界各地，包括内蒙古自治区、甘肃、西藏自治区等中国八省区，蒙古国及俄罗斯等世界不同地区。随着研究学者对文字智能信息处理研究的不断深入，蒙古语智能信息处理相关问题也受到越来越多的关注。

经过研究人员的不懈努力，蒙古语语音合成技术取得了长足发展，但是相对于主流语种相关研究，蒙古语语音合成技术仍不够成熟。尤其是在低资源场景下的蒙古语语音合成技术仍有很大的发展空间。本特殊议题拟开展“面向蒙古语的低资源语音合成竞赛”，从研究和技术应用角度进一步推动蒙古语智能信息处理的发展，同时也为少数民族地区的人工智能技术发展贡献力量。

"NCMMSC2022-面向蒙古语的低资源语音合成竞赛（Mongolian Text-to-Speech Challenge under Low-Resource Scenario）"（简称NCMMSC2022-MTTSC）是第十七届全国人机语音通讯学术会议(NCMMSC2022)的特殊议题之一（会议官网：https://ncmmsc2022.ustc.edu.cn/main.htm），由内蒙古大学、中国科学技术大学共同发起的语音合成竞赛。本次比赛的目的是促进国内少数民族语言智能信息处理的发展。NCMMSC2022-MTTSC对所有个人和单位免费开放。

今年的NCMMSC2022-MTTSC重点关注低资源场景下的蒙古语语音合成问题。竞赛拟开放约2小时蒙古语语音合成训练数据，竞赛关注如何在这样的低资源场景下实现出色的蒙古语语音合成效果。

该任务为开放训练集任务，即参赛者可以使用其他任意语种的语音数据集进行数据扩充来进行模型训练，我们鼓励参赛者采用迁移学习(Transfer Learning)、知识蒸馏(Knowledge Distilliation)或元学习(Meta Learning)等方法对现有大规模数据进行充分利用来提升低资源场景下的数据利用率。

系统评测拟针对合成语音自然度和可懂度两个方面。评测指标包括自然度主观平均意见分（Naturalness Mean Opinion Score，N-MOS），可懂度主观平均意见分（Intelligibility Mean Opinion Score, I-MOS）和语音识别词错误率（Word Error Rate，WER）三项。