一、技术突破：首次实现自然语音的脑机接口

• 研究背景：神经工程领域长期致力于实现“用大脑直接说话”，但过往脑机接口依赖文字拼写或按钮输入，合成语音机械单调，无法还原自然语言的韵律与情感。  

• 研究成果：2025年6月12日，加州大学戴维斯分校联合多机构在Nature发表研究，首次通过大脑运动皮层神经信号实时生成带有语调、节奏与个性化音色的自然语音，让渐冻症（ALS）患者成功说出“你好”“今天感觉很好”等句子，并能调控语调、尝试哼唱旋律。  

二、技术原理：从神经信号到自然语音的闭环系统

• 神经信号采集：在患者大脑左侧前中央回腹部（控制面部和喉部运动的关键区域）植入256通道微电极阵列，记录“试图说话”时产生的电信号。  

• 神经解码：采用“双路径解码”机制，两套深度神经网络模型分别预测语音内容（音素概率及声学特征）和副语言信息（语调、情绪等），还原语义与情感表达。  

• 语音合成与实时播放：借助屏幕提示语引导患者“尝试说话”，记录神经活动并生成目标语音，构建神经—语音配对数据训练模型；基于Transformer架构的深度学习模型实现因果解码，个性化声码器将神经参数转化为清晰语音，通过扬声器实时播放。  

三、技术优势：高精度与低延迟的自然表达

• 识别准确率高：对疑问语调识别准确率约90.5%，词语重读识别准确率约95.7%；自由表达任务中合成语音音频质量与提示语条件下结果相当（Pearson相关系数约0.79±0.05）。  

• 实时性强：整个过程在毫秒级时间窗口内完成闭环，从神经信号产生到声音输出延迟极低，几乎可实现实时对话，远超以往脑—机语音系统。  

• 个性化音色：声码器训练融入患者早期语音录音，合成语音在音色、语调上更贴近患者原有嗓音特征，具有高度个体化识别度。  

四、研究意义：重建失语者的语言与身份

• 技术层面：实现了用“大脑说话”的突破，为失语者重建语言、身份与人际连结提供了全新可能，让表达不再依赖声音或动作，直通思维本身。  

• 应用前景：研究团队已将数据与代码开源，未来有望推广至中风、脑瘫、喉癌术后等多类失语人群；探索与非侵入式脑电技术（如EEG）结合降低使用门槛，与AI语义理解系统融合构建新一代自然语言交互平台。  

五、现存挑战：从实验室走向日常的难题

• 表达依赖引导：目前患者需根据屏幕提示语“默念”或“尝试说话”，系统才能识别意图并合成语音，尚未达到完全由大脑自主驱动的自由交流。  

• 样本数量有限：技术仅在一位ALS患者中完成验证，需评估其在不同个体、不同病理状态下的通用性与稳定性。  

• 语音表现差距：生成语音在语调灵活性、节奏自然度与情感表现方面与真实人类对话仍存在一定差距。  

• 设备优化问题：需解决设备的侵入性、长期使用的稳定性与适配性问题，以推动技术从实验室走进真实生活。  

六、结语

脑机接口技术让失声者“重新开口”，不仅是科技的重大突破，更是对失语者语言权利与尊严的归还。尽管目前仍处于早期探索阶段，面临诸多挑战，但它为我们展现了未来语言交流的新范式——直接来源于思维本身。随着技术的不断优化与推广，有望帮助更多失去语言能力的人再次被世界听见，开启一个全新的语言纪元。