IT之家 4月11日消息，加州大學伯克利分校與舊金山分校的研究團隊在腦機接口（BCI）領域取得突破，成功開發(fā)出一種技術，幫助重度癱瘓患者恢復自然語音表達。該技術利用人工智能（AI）模型，將大腦信號實時轉化為可聽語音，解決傳統(tǒng)語音神經假體延遲問題。
加州大學伯克利分校與舊金山分校的研究團隊開發(fā)了一種創(chuàng)新方法，通過捕捉大腦運動皮層信號，利用AI算法實時解碼并生成語音。
研究共同負責人、伯克利分校電氣工程與計算機科學系助理教授 Gopala Anumanchipalli 表示，這種“直播”（streaming）方法借鑒了類似Alexa和Siri的語音解碼技術，能顯著縮短從大腦意圖到語音輸出的時間。實驗中，患者Ann無需發(fā)聲，僅通過“默想”句子即可生成接近自然的語音。
新技術的核心在于解決傳統(tǒng)BCI語音解碼的延遲問題。以往技術單句解碼需約8秒，而新方法能在患者產生說話意圖后1秒內輸出首個音節(jié)。
研究共同第一作者、伯克利分校博士生Kaylo Littlejohn介紹，團隊通過AI預訓練文本轉語音模型，模擬患者受傷前的聲音，讓輸出更具個性化。實驗還驗證了該技術對多種腦信號采集設備（如微電極陣列和面部肌電傳感器）的兼容性，顯示其廣泛適用性。
研究團隊進一步測試了算法的泛化能力。他們讓患者Ann嘗試“說出”26個未包含在訓練數(shù)據(jù)中的單詞，如NATO音標字母表中的“Alpha”、“Bravo”等。
結果顯示，模型仍能準確解碼，證明其不僅依賴模式匹配，而是真正學習了語音的構成規(guī)律。另一位共同第一作者、博士生Cheol Jun Cho表示，這種能力為未來提升語音表達的語氣、音調等特征奠定了基礎。
患者Ann反饋，相比2023 年的早期實驗，新方法讓她感到更強的控制感和自我表達能力。研究團隊計劃繼續(xù)優(yōu)化算法，增強語音的自然度和情感表達，同時探索如何將技術應用于更廣泛的臨床場景。