一种新的设备可以“读取”一个人的思维，并将其转化为语音。
加州大学的一组工程师发明了一种突破性的脑-计算机接口（BCI）系统，该系统使用贴在人头皮上的电极来测量脑活动和脑电波。这些脑电波被分析后，由计算机转换为可听语音，然后通过AI读出。
研究人员认为，这项新技术可以通过将运动皮层的脑活动转换为可听语音，恢复瘫痪患者的沟通能力。运动皮层在控制言语方面起着关键作用，即使一个人失去了说话的能力，信号仍然会生成。
研究人员使用先进的AI模型捕捉该区域的脑信号，并在大约一秒钟内将其转换为声音，从而实现无延迟的连续语音输出。他们在一位名叫安的女性身上测试了这一BCI系统，她患有严重瘫痪且无法说话。她曾参与过同一团队的早期研究，但当时的系统导致了8秒的延迟。
加州大学伯克利分校电气工程系的博士生Kaylo Littlejohn说：“我们想看看是否能推广到未见过的单词，并真正解码安的说话模式。我们发现我们的模型做得很好，这表明它确实在学习声音或语音的基本构建块。”
安在2005年中风后，大脑干血流中断并导致瘫痪，她告诉研究人员，这个设备帮助她感觉对自己的沟通更有控制力，并立即让她感觉自己与身体更加紧密相连。
将脑电波解码成口语句子的技术仍处于起步阶段。在之前的研究中，它仅能解码少量单词，而不能解码短语或完整的句子。但加州的研究团队认为，这项新概念验证研究发表在《自然神经科学》杂志上，将帮助他们“在各个层面取得进展”。
大脑中多个不同区域负责言语，包括运动皮层，其中每个词都有独特的“指纹”。在这个区域，每种声音都会产生特定的脑电波特征，有助于识别不同的词语，如“hello”和“goodbye”。
当一个人试图说话时，大脑会向嘴唇、舌头和声带发送信号，并改变呼吸模式以发出声音。研究人员使用安的脑电波训练他们的“自然语音合成器”AI，分析和解释这些脑电波，并将其转换为口语。
他们在安的头骨上放置电极，并收集她在尝试说简单短语（如“嘿，你好吗？”）时运动皮层中的脑电波活动。当安在脑海中形成句子并在尝试说出它们时，尽管她没有说话的能力，她的大脑还是发出了说话的命令，这些命令被电极捕捉到了。研究人员将这些信号分成小的时间段，代表句子的不同部分。
他们还结合了安在瘫痪前的声音音频，并使用文本转语音模型生成模拟音频，使其听起来像她的自然声音。安被展示了文本提示，例如“你好，你好吗？”，并在脑海中排练说这些话——激活她的运动皮层，就像在发音一样，尽管实际上并没有发出声音。
AI逐渐学会了她的语音模式。她很快就能说出她没有被训练过的词汇，如Alpha和Bravo。程序也开始识别她脑海中没有出现的单词，填补空缺以形成完整的句子。
加州大学伯克利分校的电气工程师Gopala Anumanchipalli博士说：“相对于意图信号，我们在大约1秒内得到了第一个声音。并且该设备可以连续解码语音，所以安可以不间断地继续说话。”
该程序也非常准确，根据Littlejohn的说法，这是一个重大的突破：“以前还不知道是否可以从大脑中实时流式传输可理解的语音。”
BCI技术引起了科学家和科技巨头的广泛关注。2023年，布朗大学BrainGate联盟的工程师成功地在患有ALS的帕特·贝内特的大脑皮层植入了传感器。经过25次训练，一个AI算法解码了贝内特女士大脑中的电信号，学习根据神经活动模式识别音素——基本的语音单位，如“sh”和“th”。解码后的脑电波随后被输入语言模型，组装成单词，并显示在屏幕上。
当词汇量限制在50个单词时，错误率约为9%，但当词汇量扩展到125,000个单词（涵盖人们想要说的几乎所有单词）时，错误率上升到23%。尽管结果并不完美，但研究人员认为他们的发现标志着通往完善脑电波到语音系统的重大一步。
与此同时，埃隆·马斯克的Neuralink于2024年1月植入29岁的诺兰·阿尔鲍格的头部，使他成为Neuralink临床试验的第一位人类参与者。阿尔鲍格在2016年遭受严重的脑损伤，导致他从肩膀以下无法移动身体。他后来被选中参加该设备的临床试验，该设备允许大脑与外部设备（如计算机或智能手机）直接通信。植入阿尔鲍格大脑的Neuralink芯片连接到运动皮层中的1,000多个电极。当神经元放电，表示如手部运动等意图时，电极会捕捉这些信号。数据无线传输到应用程序，使阿尔鲍格能够用思想控制设备。
阿尔鲍格将使用Neuralink比作校准电脑光标——根据提示左右移动光标，系统随着时间推移学习他的意图。五个月后，他发现生活有所改善，尤其是在发送短信方面，现在几秒钟内就能发送消息。他使用虚拟键盘和自定义听写工具，还玩象棋和马里奥赛车，使用相同的技术。
加州大学研究团队的成果标志着一项突破，预计这将使研究人员更接近于通过BCI设备创建自然语音，并为进一步的进步铺平道路。
Littlejohn说：“这是正在进行的工作，试图看看我们究竟能从脑活动中解码多少副语言特征。这个问题在传统的音频合成领域也存在已久，解决它将弥补与完全自然主义之间的差距。”
(全文结束)
