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。
#BrainGate
脑机接口社区 · 公众号精选AI 评分8080
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