本文研究了文本-音频增量学习（TAIL），提出了新方法PTAT，以解决模型在引入新数据集时的泛化能力不足和灾难性遗忘问题。实验结果表明，该方法在多个数据集上优于现有增量学习方法，尤其在抗遗忘能力方面表现突出。

该研究提出了一种新模型，解决类增量学习中的顺序敏感性问题，提升了模型的泛化能力和抗遗忘性能，实验结果表明其准确性和防遗忘效果优异。