一种用于恢复自然交流的脑机语音神经假体，为瘫痪患者带来希望

为解决瘫痪患者因言语延迟难以参与对话，易产生孤立和沮丧感的问题，研究人员开展利用瘫痪且构音障碍患者言语感觉运动皮层的高密度表面记录驱动自然流畅语音合成的研究。结果显示可实现个性化语音合成，该研究引入了言语神经假体范式。

　　自然的言语交流是即时发生的。言语延迟超过几秒就会破坏对话的自然流畅性。这使得瘫痪患者难以参与有意义的对话，可能会导致他们产生孤立感和挫败感。在一项临床试验中，研究人员对一名严重瘫痪且构音障碍的患者的言语感觉运动皮层（Speech sensorimotor cortex）进行高密度表面记录，并利用其驱动一个持续流畅的自然主义语音合成器。研究人员设计并使用深度学习递归神经网络换能器（Recurrent Neural Network Transducer）模型，通过神经解码以 80 毫秒的增量实现个性化的在线大词汇量、可理解且流畅的语音合成，该语音合成能模拟患者受伤前的声音。在离线状态下，这些模型展现出隐式语音检测能力，并且可以无限期地持续解码语音，从而实现解码器的不间断使用，进一步提高速度。该研究框架还成功应用于其他无声语音接口，包括单细胞记录（Single-unit recordings）和肌电图（Electromyography）。这些研究结果引入了一种言语神经假体（Speech-neuroprosthetic）范式，有望为瘫痪患者恢复自然的言语交流能力。