先说几个核心判断：现有的语音辅助设备，真的不够用。

中风、脑瘫，还有大家相对熟悉的渐冻症（肌萎缩侧索硬化症），这些疾病都可能夺走一个人的说话能力。市面上其实已经有一些辅助工具，比如通过追踪眼球运动、或者捕捉面部肌肉的微小动作，一个字一个字地“拼”出想说的话，再由语音合成器朗读出来。最知名的案例，就是已故的物理学家霍金，他晚年就是靠单边脸颊肌肉的抽动来控制语音合成器发声的。

听起来挺酷，但沟通效率实在感人。这种模式，每分钟通常不超过10个单词。相比之下，正常人说话的语速是每分钟150个单词左右。换句话说，你说一句话的功夫，这边可能才蹦出一个词。

所以，加州大学旧金山分校的科学家们这次换了个思路。他们不是先打字再朗读，而是试图直接在脑袋里和声道之间搭一座“信息桥”——也就是直接建立大脑信号与声道（vocal tract）运动之间的映射关系。一旦找到这种关系，理论上就可以把大脑里的指令直接“翻译”成声带的实际运动，然后发出声音。

怎么做到的？

研究人员招募了5名癫痫患者作为志愿者。这些志愿者都能正常说话，而且因为术前需要确定病灶，他们的大脑里临时植入了电极。这就给了科学家一个绝佳的机会：一边让志愿者说话，一边实时监测他们大脑语言中枢的活动情况。

具体操作是这样的：让志愿者大声朗读一些给定的句子。在朗读的同时，脑内语言中枢的活动数据被完整记录了下来。随后，研究人员把这些脑活动记录，与之前已经确定的声道运动数据进行了关联比对。

有了这些数据之后，他们用深度学习算法训练了一个模型，最终把这个模型整合进了一个解码器里。这套解码器的工作流程很清晰：先把大脑信号转成对应的声道运动，再把声道运动翻译成合成语音。

其实，直接搞一个“脑信号→声音”的模型不是更简单吗？但圣地亚哥州立大学的神经学家Stephanie Riès指出，经过“声道运动”这道中间环节生成的语音，要比那种“直接画等号”的方式，更容易被人理解。这确实有点意思。

“实际上，我们中很少有人真正知道当我们说话的时候，我们的嘴巴发生了什么，”论文的通讯作者、神经外科医生Edward Chang说，“大脑把你想说的话转化成声道运动，而这就是我们试图解码的东西。”他还透露，测试者听合成句子后，平均能理解其中约70%的单词。

之前科学家们也尝试过用AI把脑活动“翻译”成单词，但多数只停留在单音节词的层面。从单音节蹦到完整的句子，技术难度是天壤之别。“这也是为什么这项研究让人印象如此深刻，”埃默里大学的神经工程师Chethan Pandarinath评论道。

“说实话，第一次听到实验结果的时候，我们真的被震住了——简直不敢相信自己的耳朵，”论文的共同作者、加州大学旧金山分校的博士生Josh Chartier回忆，“合成出来的语音里，竟然保留了真实语音的很多细节。当然，要让语音变得更自然、更清晰，我们还有很长的路要走。不过，光是能解码出这么多大脑活动，就已经让我们很震撼了。”

他最后补充道：“我们希望这些发现，能给那些表达受阻的人们带去希望。终有一天，我们或许能恢复他们交流的能力——这是我们作为人类最根本的需求之一。”