语音脑机接口（BCI）是一项创新技术，通过用户的大脑信号在用户和某些设备之间建立通信通道，它们在恢复残疾患者的言语和通信能力方面具有巨大潜力。

早期的研究虽然很有希望，但尚未达到足够高的精度来解码大脑活动，以促进从大量词汇中交流不受约束的句子。

为了弥合这一差距，在一篇新论文《高性能言语神经假体》中，来自斯坦福大学、华盛顿大学圣路易斯分校、弗吉尼亚州RR&D神经恢复和神经技术中心、布朗大学、哈佛医学院的研究小组提出了一种高性能的语音转文本BCI，能够以62个单词/分钟的速度处理来自大词汇的不受约束的句子， 这大大超过了瘫痪患者传统技术的通信速率。

该团队首先通过记录BrainGate2试点临床试验中的神经活动，研究了运动皮层中口腔面部运动和言语产生的组织方式。他们发现，在6v区，所有类别的测试运动都有很强的调节性。

接下来，他们探索了每次运动的信息如何在6v区域分布，他们发现腹侧阵列的语音解码率更准确，而背侧阵列携带更多的口面部运动信息。然而，6v阵列包含所有运动类别的丰富信息。最后，所有语音发音器都可以在 3.2 × 3.2 mm^2 数组中清晰表示。

接下来，他们探索了每个动作的信息是如何分布在6v区域的，他们发现腹侧阵列的语音解码率更准确，而背侧阵列携带更多的口面动作信息。尽管如此，6v阵列包含了所有运动类别的丰富信息。最后，所有的语音咬合架都可以在3.2×3.2毫米^2的阵列内清晰地表示出来。

展望未来，研究人员测试了他们是否可以实时中立地解码整个句子。他们利用改编自现代语音识别的自定义机器学习方法来训练递归神经网络 （RNN），从而在有限数量的神经数据上实现高性能。

通过利用他们的所有观察结果，所提出的方法在33个口脸运动中实现了92%的解码准确率解码，在39个音素中实现了62%的解码准确度，在50个单词中实现了94%的解码准确。此外，语音到文本的脑机接口达到了每分钟62个单词的速度。

结果验证了所提出的语音BCI向前迈进了一步，以恢复与说话困难的人的快速沟通。据研究人员所知，这是语音BCI首次显着超过瘫痪患者所有现有技术的通信速率。

论文《自然界上的高性能言语神经假体》。