本研究提出CLASP（对比语言-语音预训练），旨在解决音频-文本信息检索中的多语言多模态表示问题。该方法结合语音和文本数据，构建了15个类别的数据集，设立了新基准，显示出优于传统语音识别方法的潜力。

本文提出了一种名为'CLaSP'的模型，通过自然语言查询信号特征来搜索时间序列信号。该模型利用对比学习的神经网络，克服了时间序列信号特征表示的挑战，实验表明CLaSP能准确识别信号变化点，实现有效的自然语言搜索。