资料摘要：通用听觉智能综述
综述 LLM 与音频融合的最新进展：理解、生成、口语对话和视听联合，提出”通用听觉智能”路线图，2025 年 11 月。 Towards General Auditory Intelligence - Survey
核心要点
- LLM + 音频融合全景：系统梳理大语言模型与音频的深度整合
- 四大方向：音频理解、音频生成、口语对话、视听联合
- 通用听觉智能路线图：提出音频生成向 AGI 靠拢的发展路径
- 关键挑战：数据稀缺、评测不统一、实时性需求
详细笔记
内容结构
- 音频理解（ASR、音频分类、音频问答等）
- 音频生成（TTS、音乐、音效、通用音频生成）
- 口语对话系统
- 视听联合学习
- 未来方向：音频原生 token、统一多模态架构
意义
为音频 AI 研究提供了宏观视角，将音频生成置于”通用听觉智能”的大框架下思考。
引用与数据
- 时间：2025.11
- arXiv: 2511.01299