腦波直接轉語音，不開口每分鐘“說”出150詞：Nature發表腦機接口新突破
腦電波直接轉語音，每分鐘“說”出150詞
魚羊 發自 凹非寺
量子位 報道 | 公眾號 QbitAI
只要靜靜坐著，世界就能聽到你的聲音，這樣的畫面你可曾想象過？
是的，不必動手，也不必開口，只要你的腦波流轉，AI就能以每分鐘150個詞的速度幫你說出心聲。
Nature上最新發表了一篇論文，科學家們設計了一種新的可以將大腦信號轉換成語言的裝置，不需要勞動任何一塊肌肉，深度學習就能直接讀懂大腦，解碼腦中所想，實現流暢交流。
△受漸凍癥折磨的霍金后期依靠活動臉頰上的一塊肌肉來打字
如何做到
研究團隊來自加州大學舊金山分校，神經外科教授Dr. Edward Chang等人試圖將大腦中的神經活動轉換成語音，以造福因為神經損傷而失去交流能力的人。
說話這件事其實并沒有想象中那么簡單，看似只是動動嘴，事實上卻是對聲道咬合結構精準、快速的多維度控制。
研究人員選擇了深度學習方法。
為了進行試驗，專家們招募了五名在醫院接受癲癇治療的志愿者。
神經解碼的第一步是從高密度皮層活動中提取相關信號特征。志愿者們說了上百句話，而通過植入性大腦皮層電圖（ECoG），研究人員可以跟蹤控制語言和發音的大腦區域的活動，并將這些活動與志愿者說話時嘴唇、舌頭、喉部和下顎的微妙運動聯系起來，然后將這些運動學特征翻譯成口語句子。
研究人員采用bLSTM（bidi-rectional long short-term memory）循環神經網絡來破譯ECoG信號表達的運動學表征。
接著用另外一個bLSTM解碼先前破譯的運動學特征中的聲學特征。
聲學特征是能從語音波形中提取的頻譜特征，因此用解碼后的信號就可以合成出語音波形。
在這個過程中，兩個神經網絡都會被投喂訓練數據，以提高它們的解碼性能。
對比志愿者說話的頻譜圖和大腦信號合成的頻譜圖，可以看到它們已經非常接近了。
研究者們讓以英語為母語的人聽了聽合成的語音，結果表明，至少有70%的虛擬語言是可以被理解的。
有何提高
腦波轉語音已經不是什么新鮮事了，這篇文章能登上Nature，自是有過人之處。
這個新的裝置每分鐘能生成 150 個單詞，接近人類的自然語速。
要知道已有的語音合成腦機接口每分鐘只能生成 8 個單詞，使用者也能用它們來表達自己的意思，但那遠遠稱不上是“人類交流”。
想象一下，倘若霍金健在，在這種技術的幫助下，他可能再也不用艱難地活動臉頰上的肌肉來拼出單詞，AI能真正幫助他重新“開口”，傳播智慧。
“這是一項艱巨的工作，它將我們推上了語言恢復方面的一個新臺階。”神經學家Dr. Anthony Ritaccio這樣評價。
網友反應
論文一出，驚嘆聲一片。
有網友稱贊這是ECoG領域非常有價值的一個結果，并且也給未來的實際應用打開了新的大門：
還有網友已經迫不及待地開始暢想未來：
如果將來這項技術能被放入耳機這樣的可穿戴設備，那我們就能以最快的速度在手機上打字了！這種可能性實在是鵝妹子嚶！
也有一些負面的聲音：
我們總有法子讓你開口的。
嗯…不過事實上這項技術只會在你想開口時捕捉相應的腦電波。
必須說明的是，這項技術使用的ECoG電極陣列需要通過開顱手術來放置到大腦之中，對于飽受疾病、意外之害而失去語言能力的患者來說是福音天降，但更大范圍的應用還有很長的路要走。
傳送門
論文鏈接：https://www.gwern.net/docs/ai/2019-anumanchipalli.pdf
— 完 —
- 蘋果芯片主管也要跑路！庫克被曝出現健康問題2025-12-07
- 世界模型和具身大腦最新突破：90%生成數據，VLA性能暴漲300%｜開源2025-12-02
- 谷歌新架構突破Transformer超長上下文瓶頸！Hinton靈魂拷問：后悔Open嗎？2025-12-05
- 90后華人副教授突破30年數學猜想！結論與生成式AI直接相關2025-11-26
