本研究提出了一种新型语音理解模型，结合少量语音数据与大量文本数据，验证了其在语音识别和翻译任务中的有效性。该模型利用预训练的语言模型，在多任务和多语种环境中表现出色，具备零-shot能力，能够在低资源语言上实现良好性能，展示了构建高效语音语言模型的潜力。