该研究利用ASL-LEX词库和自动化识别方法，探讨手语生成中的韵律和认知障碍。通过数据驱动建模和混合特征，提升了手语识别的分类效果，并提出了新颖的自然语言辅助手语识别框架，显著提高了识别性能。

本文综述手语翻译与生成研究，涵盖SignGAN利用MDN transformer和关键点损失从口语生成连续手语视频、SignAvatars提供含7万视频和834万帧的3D手语数据集，以及文本到手语系统、SGNify自动捕捉手语动作、基于扩散的3D手语生成模型、伪手语数据增强、AZee文本翻译算法、基于HamNoSys音素表示的文本到手语方法和用SignWriting表示手语的神经因子化机器翻译，多项在基准上取得最佳成绩。