本研究提出FuxiMT，一种针对低资源环境的多语种机器翻译模型。该模型通过在大型中文语料库上预训练，并在65种语言的平行数据集上微调，展现出优越的翻译能力，尤其在缺乏平行数据时的零-shot翻译表现突出，具有实用潜力。

本文研究了多语种机器翻译模型和大型语言模型在噪声输入下的稳健性，发现新模型在处理噪声时表现更佳。通过源文本校正技术和噪声条件器，提升了模型的纠错能力和鲁棒性。实验表明，使用大型语言模型可改善自动语音识别系统的转录准确性，但仍面临挑战。