arXiv（brain-computer interface）·2026-09-04 04:29· 2026-09-04AI 评分42

Brain2Speech-Net：无需文本解码的快速可懂脑到语音合成

Brain2Speech-Net: Fast and Intelligible Brain-to-Speech Synthesis Without Text Decoding

AI 导读

Brain2Speech-Net 是一种单阶段神经到语音生成框架，跳过中间文本解码，通过可微分音素瓶颈和 deep-HMM 对齐机制将长时神经记录映射到 TTS 模型潜空间。在对比系统中，它是唯一在生成速度快于实时的情况下仍能产出可懂语音的系统。

AI 要点

团队

第一作者 Shreeram Suresh Chandra，末位作者 Berrak Sisman，共 5 位作者。

主要结果

提出 Brain2Speech-Net，单阶段神经到语音生成，无需中间文本解码；在对比系统中是唯一既能生成可懂语音、又比实时更快的系统。

解决什么问题

瘫痪者失语影响交流；现有系统多依赖神经→文本→语音级联流程，推理延迟高且逐级传播误差。

方法

用可微分音素瓶颈与 deep-HMM 对齐机制，把长时神经记录映射到 TTS 模型潜空间，实现高质量语音合成。

局限

从研究设计看，摘要未报告受试者或数据规模，也未给出可懂度与延迟的具体数值。

AI 依据原文整理，未经人工核对。