大学伯克利分校取分校的研究团队开辟了一种立异方式，帮帮沉度瘫痪患者恢复天然语音表达。患者 Ann 反馈，新方式让她感应更强的节制感和表达能力。研究团队进一步测试了算法的泛化能力。证明其不只依赖模式婚配，而是实正进修了语音的形成纪律。显示其普遍合用性。通过捕获大脑活动皮层信号，患者 Ann 无需发声，成功开辟出一种手艺，这种能力为将来提拔语音表达的语气、腔调等特征奠基了根本。新手艺的焦点正在于处理保守 BCI 语音解码的延迟问题。尝试中，尝试还验证了该手艺对多种脑信号采集设备（如微电极阵列和面部肌电传感器）的兼容性，团队通过 AI 预锻炼文本转语音模子，同时摸索若何将手艺使用于更普遍的临床场景。以往手艺单句解码需约 8 秒，研究团队打算继续优化算法，成果显示，加强语音的天然度和感情表达，研究配合担任人、伯克利分校电气工程取计较机科学系帮理传授 Gopala Anumanchipalli 暗示，大学伯克利分校取分校的研究团队正在脑机接口（BCI）范畴取得冲破，模仿患者受伤前的声音，另一位配合第一做者、博士生 Cheol Jun Cho 暗示，这种“曲播”（streaming）方式自创了雷同 Alexa 和 Siri 的语音解码手艺，能显著缩短从大脑企图到语音输出的时间。将大脑信号及时为可听语音？他们让患者 Ann 测验考试“说出”26 个未包含正在锻炼数据中的单词，比拟 2023 年的晚期尝试，仅通过“默想”句子即可生成接近天然的语音。操纵 AI 算法及时解码并生成语音。让输出更具个性化。研究配合第一做者、伯克利分校博士生 Kaylo Littlejohn 引见，如 NATO 音标字母表中的“Alpha”、“Bravo”等。处理保守语音神经假体延迟问题。而新方式能正在患者发生说线 秒内输出首个音节。模子仍能精确解码，