arXiv（brain-computer interface）·· 8 天前精选AI 评分72
Ting Han 团队提出 BEST 框架：以 3.85% 参数量在语音脑机接口基准上取得 6.19% 和 1.62% WER
Do Speech BCIs Need Larger Models? Rethinking Neural Decoding beyond Scaling
AI 导读
Ting Han 团队提出 BEST（Brain-Encoding-Speech-Text）两阶段框架，用分层中间表征和紧凑的语音解码器把神经活动直接映射为文本，不依赖大型生成模型或音素流程。
AI 要点
团队
第一作者 Zehui Feng，末位作者 Ting Han，共 5 位作者；论文被 NeurIPS 2026 主会接收。
主要结果
在 Brain-to-Text '24 和 '25 基准上，词错误率分别为 6.19% 和 1.62%，参数量仅为同类方法的 3.85%。
解决什么问题
语音脑机接口训练数据稀缺、噪声大且采集昂贵，本文重新审视大模型对神经解码是否必要。
方法
提出 BEST 两阶段框架，用分层中间表征和紧凑的语音导向解码器，将神经活动直接映射为文本。
局限
从研究设计看，结论基于两个 Brain-to-Text 基准评测，未涉及在线闭环使用。
AI 依据原文整理，未经人工核对。
AI 推荐理由
在语音脑机接口训练数据稀缺的背景下，这项研究用参数规模对比说明解码器扩容的收益并非单调。
来源：arXiv（brain-computer interface） · arxiv.org