霍金失語之后，人們曾集結全世界最頂尖的技術幫他“說話”，讓這顆世界上最高速運行的大腦，每分鐘能“說”出15個單詞。

　　如今一項嶄新的技術有望幫助更多失語者，讓他們只須“動動腦子”，就能發出接近正常語速的聲音。

　　近日，加州大學舊金山分校華裔教授Edward Chang及其團隊，設計出一種革命性的腦機接口設備，將大腦信號直接轉化為可聽到的語音，相關成果發表在《自然》上。

　　第一次，從腦電波到語音

　　當人講話時，嘴唇、舌頭、下頜、喉部的上百塊肌肉都在配合運動，已知的大腦語言中樞——顳上回神經細胞的電活動支配了這些精細運動。假設一個人說“蘋果”時，迅速記錄他的腦電活動，就可能建立起特定詞匯和腦電活動之間相互對應的“字典”。接下來，科研人員就可以通過人工智能學習的方式，根據這種腦電活動直接合成出“蘋果”的發音。

　　理想的話，當研究者積累的“字典”足夠龐大和準確時，即便一個人無法發出自己的聲音，只要他產生說話的想法，就能在“字典”里找到對應的電活動，并且靠機器“翻譯”出大家都能聽懂的語音。

　　“這樣我們就能通過失語病人的面部表情和肌肉動作，解碼他們大腦產生的信息，從而幫助那些患有喉癌、聲帶破損等疾病的人與外界‘對話’。”論文第一作者Gopala Anumanchipalli告訴《中國科學報》。

　　這和霍金使用的那套著名系統有什么本質區別呢？在霍金的眼鏡上，安裝著一個紅外傳感器，能檢測到他右臉頰上一塊肌肉的活動。當他輕微抽動這塊肌肉時，就相當于按下了一個按鍵。霍金就是通過這種方式先打字，然后通過文字轉化語音技術，把他的想法“說”出來。

　　可以看出，盡管匹配了一系列高科技，霍金使用的語音轉化系統，還是傳統的“從文字到語音”模式。

　　而在這項研究中，科學家則是在挑戰“從腦電波到語音”的轉換方式。“這是第一次，我們可以根據人的大腦活動生成完整的句子。”Chang說。

　　深入大腦語言中樞

　　“這是一個很大的進步。”中科院昆明動物研究所研究員徐林第一時間關注了這篇論文。他告訴《中國科學報》，傳統的腦機接口技術大概1分鐘能輸出8個單詞，而通過這種方法模擬合成口語句子，一分鐘能達到150個單詞，已經比較接近正常人的水平了。

　　“這項技術的巧妙之處在于直接記錄了已知語言中樞——顳上回的電活動，所以更容易檢測到與語言發聲相關的信號。”徐林說，“這個系統的順利運行，表明人類未來能實現人腦和機器之間更加順暢的交流。”

　　但這種方法不是沒有代價的。傳統腦機接口通常是無創的，新技術則需要在開顱的前提下，把電極直接插進大腦皮質的語言中樞中。在這項研究中，科學家招募了5名準備接受癲癇病開顱手術的志愿者，同時與醫院合作，在手術治療過程中“順便”做了腦機接口實驗。

　　“這就決定了這批數據的獲得非常艱難，基于5個志愿者的數據能得到這么好的結果，的確令人驚嘆。”徐林對《中國科學報》說，“但開顱操作也給臨床應用制造了障礙。”

　　打造語言的“公用圖書館”

　　在此之前，基于腦機接口技術的人工智能學習，通常只是針對某一個體的。因為人在思考和說話時的腦電活動存在顯著的個體差異。這就意味著，即便兩個人都在想著“蘋果”、說著“蘋果”，記錄下來的腦電活動也可能很不相同。在一個人身上做實驗得到的“字典”，在另一個人身上或許就不適用。

　　而這一次，研究者別出心裁地測量了說話時肌肉運動所對應的大腦活動模式。由于不同人在說同一句話時的肌肉運動存在共性，這就為未來發展人際間通用的腦電解碼和語音合成設備提供了可能。

　　“大腦模式的確是非常個性化的，但語言詞匯則是通用的——這可以作為一個出發點，讓我們去建立一個公用的‘圖書館’。基于這一原理，我們的技術有希望向英語之外的其他語言推廣。”Anumanchipalli向《中國科學報》解釋。

　　但語言畢竟是微妙的東西，每個人說話時都包含著很多個性化的小細節。當句子變得比較復雜時，合成語音導致聽者的誤判率達到了70%以上，說明合成出的聲音與自然發聲仍然有較大區別。對此，Anumanchipalli 說：“使用者有必要接受一定的訓練并多加實踐。”

　　徐林提出，下一步可以探索給這套系統加上一個反饋裝置。“目前參與實驗的受試者其實都是能正常說話的人。但真正的語言障礙者，很多同時也有聽覺障礙，怎么能讓機器合成的聲音再反饋到‘說話者’的大腦里，是一個很有意義的方向。