A Comprehensive Survey of Spoken Language Models

语音大语言模型（Spoken Language Model, SLM）正在引领人工智能领域的新一轮革新浪潮。正如文本自然语言处理从任务特定模型迈向通用大语言模型的演进，语音领域也正在经历类似转型。

为填补该领域系统性综述的空白，芝加哥大学、卡内基梅隆大学、台湾大学与Meta等单位的研究者联合撰写了首份全面综述论文——《On The Landscape of Spoken Language Models: A Comprehensive Survey》。该论文聚焦SLM的发展现状，系统梳理了当前语音大语言模型的定义、模型架构、训练方式与评估策略。

论文链接：https://arxiv.org/pdf/2504.08528

尽管SLM相关研究正在快速推进，但术语不统一、评价标准多样，给研究者带来理解门槛。此次综述旨在提供一个全景式视角，帮助读者更清晰地理解不同SLM工作的技术脉络与创新点。这篇综述也讨论了SLM取得的重要进展与当前面临的挑战，展望SLM作为未来通用语音处理系统的潜力与前景。

Development timeline of spoken language models

Overview of SLM architecture

Typology of text and spoken LMs