本研究探讨了紧急沟通（EC）的解读及其与自然语言（NL）的关系，采用无监督神经机器翻译技术，发现任务复杂性和语义多样性影响EC的可翻译性。尽管复杂任务使EC难以解释，但仍适合翻译。

本文提出了一种利用生成文本模型进行数据增强的方法，以提升句子嵌入效果。该方法无需访问模型参数，实验结果表明，低基线性能的嵌入模型经过增强后显著提升，增强了语义多样性和鲁棒性。

本文提出了一种结合文本和音频的多模态生成模型，用于自动生成音乐视频。该模型通过音频和文本嵌入实现视频的时间一致性，展示了较高的视觉质量和语义多样性。同时，研究引入了新的评估标准，以验证生成视频与输入音频的对齐性，推动了音频到视频生成技术的发展。