本研究提出了一种新方案，针对多语音音频文本检索中的不一致性问题，通过1-to-k对比学习和音频-英语共同锚对比学习，减轻数据分布错误的影响。实验结果表明，该方案在多种语言上表现优异。

该研究提出了一种基于小批量学习匹配框架的音频-文本检索方法，能够学习丰富、表达力强的联合嵌入空间，并在多个数据集上取得了最先进的性能。该方法还能够弥补音频和文本嵌入之间的模态差距，并在零样本声音事件检测任务中超越了其他方法。