该论文提出了一种新的零样本跨模态翻译方法，通过将多语言语音和文本编码到联合的固定大小的表示空间中，然后比较不同的解码方法以实现跨语言和模态的零样本翻译。该方法在多个文本和语音翻译任务中取得了非常好的结果，特别是在Must-C上零样本语音翻译部分显著改善了最新技术的表现。