本研究提出了一种跨模态泛化算法，通过强弱配对的跨模态数据实现元对齐，快速完成新任务训练。该算法在文本到图像、图像到音频和文本到语音等分类任务中表现优异，尤其在样本稀缺和标签噪声情况下也能取得良好效果。