该研究介绍了两种新的资源来增强加利西亚语的自然语言处理，为低资源语言提供了多语言模型的研究，并探索了如何利用相关语言生成连贯的文本。

本研究探讨了数据量和类似语言对机器翻译迁移学习的影响。结果显示，更多数据通常会提高性能，相关语言在数据有限时也有效。相关语言和更多数据的组合能提高模型性能，证明了其在零样本和小样本时的重要性。

该研究提出了两种新的资源，以增强加利西亚语的自然语言处理，为低资源语言提供多语言模型的研究，并探索了如何利用相关语言生成连贯的文本。