本研究提出了一种单位语言方法，以解决无文本语音到语音翻译模型在提取跨模态语言特征和学习语言对齐方面的挑战。通过多任务学习，模型性能显著提升，实验结果与文本训练模型相当。

本文研究了双人对话主题流随时间变化的情况，以及对话者个性差异对这一流动的影响。研究发现，个性差异，尤其是在开放性和外向性方面，显著影响对话的主题广度和语言对齐程度，进而影响对话后的情感状态。这表明高维自然语言处理方法在沟通研究中的重要性。

研究发现，大语言模型在训练过程中展现了多种独特现象，如语言对齐、语法关系预测和词形转换。这些模型具有良好的跨语言迁移能力，并且在任务微调后能够更好地处理语法成分的对齐关系。此外，大语言模型中的语言对齐现象也适用于其他语言，并且少量的数据就能影响整个模型的性能。研究还发现，大模型的语言核心区和特定维度对模型的性能具有重要影响。这些发现为构建大模型提供了有益的解释和指导。