Brain2voice 2.0听者词错误率降至5.24%
加州大学戴维斯分校等机构研究人员提出Brain2voice 2.0，从皮层内神经信号直接合成语音，在基准数据集上未经专门训练的听者转录词错误率降至5.24%，此前同一研究路线为43.75%。
推荐理由：原文梳理了Brain2voice 2.0的解码架构、数据来源和多项使用限制，读者可据此判断该语音脑机接口路线的实际进展与边界。
#语音沟通
脑机接口社区 · 公众号精选AI 评分8080
Europe PMC · 脑机接口文献精选AI 评分6565 语音神经假体中副语言特征建模的系统综述
该研究是一篇关于语音神经假体中副语言特征建模的系统综述。文章指出当前系统虽能解码音位和词汇信息，但常难以捕捉语调、韵律、响度和情感等对传达情绪和意图至关重要的副语言维度。综述整合了从皮层组织映射到表达性编码及多模态感知的相关研究，强调向集成情感调制与语言解码的闭环神经假体系统转变的趋势。
推荐理由：系统梳理了语音神经假体中副语言特征建模的研究进展，为理解情感与意图在脑机接口中的编码机制提供了综述视角。
Inside BCI · 行业报道精选AI 评分9292 UCSF团队在Nature Neuroscience发表单植入物同步解码语音与手势研究
加州大学旧金山分校Edward Chang团队于2026年9月14日在《Nature Neuroscience》发表论文，展示了两名瘫痪受试者通过单个皮层表面植入物实时同步解码语音和上半身手势。
推荐理由：该研究揭示了多模态神经信号的非线性叠加特性，指出同时训练比单独训练更有效，为多效应器脑机接口系统设计提供了关键数据依据。
Nature · Brain–machine interface精选AI 评分8282 Nature发表研究：单一ECoG植入物实现瘫痪患者语音与手势同步解码
加州大学旧金山分校团队在《Nature Neuroscience》发表研究，证明单一高密度皮层脑电（ECoG）植入物可支持严重瘫痪患者同时进行语音和手势的多效应器解码。
推荐理由：该研究验证了单一皮层脑电植入物同时解码语音与手势的可行性，为瘫痪患者恢复多模态自然交流提供了技术路径。
Nature · Brain–machine interface精选AI 评分8282 Nature发表研究：利用共享潜在表征实现跨患者语音解码
Nature Communications发表的一项研究提出了一种利用微皮层脑电（μECoG）记录中共享潜在动态的方法，以实现跨患者的语音解码。研究人员对8名患者进行了急性神经记录，发现尽管电极放置和神经解剖存在差异，控制发音肌肉的神经群体活动在患者间具有可对齐的低维结构。
推荐理由：该研究通过跨患者对齐共享的潜在动态，显著减少了语音脑机接口所需的个体化数据收集时间，为快速部署提供了新路径。
脑机前沿 · 公众号精选AI 评分8181 Meta发布Brain2Qwerty v2：非侵入MEG脑到文本解码，最佳受试者WER降至22%
Meta AI联合École Normale Supérieure、BCBL等发布Brain2Qwerty v2，用CTC异步解码加Qwen3-4B LoRA微调从MEG信号解码整句，最佳受试者WER 22%，较v1的52%约提升一倍。
推荐理由：原文梳理了v2相对v1在异步解码、数据规模和LLM接入上的具体改动与结果，读者可以了解非侵入脑到文本的可行路径。
Nature · Brain–machine interface精选AI 评分8282 Nature：人类中央前回全身运动表征的单神经元分辨率图谱
研究人员利用8名瘫痪受试者植入的20个微电极阵列，首次绘制了人类中央前回（PCG）顶部在单神经元分辨率下的全面运动图谱。研究发现PCG包含四个主要功能区域：背侧手臂-手部区、中部语音区、腹上广泛调谐的面部区和腹下语音区，且各区域均存在可解码的全身运动表征。
推荐理由：该研究绘制了人类中央前回单神经元分辨率的全身运动图谱，揭示了四个功能分区及组合式神经编码，为优化脑机接口电极植入位置提供了依据。
Nature · Brain–machine interface精选AI 评分9898 Nature发表皮层内脑机接口实现长期独立语音与光标控制研究
Nature发表一项关于皮层内脑机接口（BCI）的研究，显示一名ALS瘫痪患者在19个月内累计超过3800小时独立使用该系统进行语音沟通和电脑操作。
推荐理由：展示了皮层内脑机接口在家庭环境中支持独立日常使用的可行性，为严重瘫痪患者恢复数字交互提供了实证依据。
已经到底了