音频理解（Audio Understanding）是一类利用人工智能技术分析、识别和理解音频信息的多模态任务，其目标是让机器不仅能够处理声音信号，还能够理解其中包含的语言内容、环境信息、情感特征以及语义关系。该技术融合了语音识别（Automatic Speech Recognition, ASR）、音频事件识别、自然语言处理和多模态学习等方向，是实现智能语音交互的重要基础。

音频理解的发展建立在语音处理和机器学习等多个领域的长期研究基础之上。早期系统通常将语音识别、音频分类和语言理解作为相互独立的任务处理，难以建立声音信号与高层语义之间的联系。随着大规模预训练模型和多模态学习的发展，研究人员开始探索将音频编码器与语言模型结合，使模型能够同时处理声音和文本信息。 2023 年，Google 研究人员在论文 AudioPaLM: A Large Language Model That Can Speak and Listen 中提出 AudioPaLM 模型，将 PaLM-2 的语言理解能力与音频处理能力结合，探索了具备听觉理解和语音生成能力的大语言模型框架，成为音频语言模型（Audio Language Model, ALM）方向的重要代表性研究之一。

现代音频理解系统通常通过音频编码器提取声音特征，并利用多模态模型将其映射到语言语义空间，从而完成语音识别、音频描述生成、声音事件分析以及跨模态推理等任务。近年来，随着音频基础模型和多模态大模型的发展，该技术已广泛应用于智能助手、会议转录、音频搜索、内容分析、无障碍辅助和人机交互等场景，为机器理解现实世界中的声音信息提供了重要技术支持。