speech-decoding

Show HN：Subvocal（YC F26）推出智能眼镜，通过射频感知面部，将无声口型或内心言语解码为文本，以内嵌天线的镜框和基于大规模预训练数据训练的基础模型，取代其早期的肌电图（EMG）原型。

Subvocal 推出了一款可通过面部雷达感知无声口型、以每分钟 200 多个单词的速度将默读词语转为文字的智能眼镜，实现无键盘、无语音的输入方式，并已获得 YC 与 Afore Capital 的 130 万美元融资。

该论文发现非侵入式脑电解码语音中报告的大幅改进很大程度上可由时间间隔捷径在无脑数据的合成信号上复现；通过将句子内的滑动窗口独立编码以移除该捷径后，提出的SimpleB2T方法在五次观测下达到36.6%的词错误率，显著提升了脑到文本解码性能。

本文提出一种多受试者预训练方法用于表面肌电语音解码，该方法在减少校准时间的同时提高准确性，仅使用三分钟目标受试者数据即可达到21.7%的字符错误率。

Neuralink的脑机接口通过实时解码神经信号使ALS患者能够恢复语言能力，展示了通信技术的重大突破。

Myovox 从记录自面部肌肉的 31 通道表面肌电图中解码开放词汇英文文本，通过解码纠正、双向 Conformer 训练与跨模态蒸馏以及语言模型重排序，在 emg2speech 通用语料库上实现了 18.53% 的词错误率。

本文介绍了Brain2Semantics2Text，一种非侵入式语音解码方法，通过将MEG响应映射到语义嵌入空间，在无词级对齐的情况下重构句子级文本。

这篇文章宣布了2026年PNPL竞赛，专注于LibriBrain100数据集中的单词分类和高效跨主题泛化，以推进用于脑机接口的非侵入性语音解码。

本文介绍了LibriBrain100，一个大规模MEG数据集，包含超过100小时的神经语音解码数据，在单词分类基准测试中达到了最先进的性能。

这项研究使用非侵入式EEG和对比学习来解码默读过程中的单词，展示了可扩展的词汇信息恢复，其性能随数据量增加而提升。

本文提出了一种可解释的感知语音MEG到音频检索模型，利用球谐空间注意力和源映射重新设计，以少得多的解码器参数实现了39.75%的Top-1准确率，同时揭示了哪些语音特征驱动检索。

本文研究了音素与字符目标以及选择性状态空间模型（Mamba）对皮层内脑到文本解码的影响，发现基于GRU的循环解码器在Brain-to-Text '25基准测试中仍是表现最强的模型。

一个基于舌头超声波记录训练的模型能够以15.6%的词错误率解码无声语音，尽管数据集较小，但其性能已接近唇读水平。

一种新的非侵入性方法将脑电波转化为文字，提供了一种无需手术的沟通途径。

Casey Harrell，一位患有ALS的男子，已成为语音脑机接口的首位“超级用户”，他独立使用该设备数千小时进行说话、浏览网页和工作。《自然医学》杂志的一项研究报道了该设备的长期可靠性和扩展功能。