加州大學(xué)舊金山分校的科學(xué)家利用深度學(xué)習(xí)算法開發(fā)出了一套高效的語音合成器，有望讓因為患病而失聲的人群以正常的語速“說話”，相關(guān)的研究成果發(fā)表在了 4 月 24 日出版的《自然》（Nature）上。

　　中風(fēng)、腦癱、肌萎縮性脊髓側(cè)索硬化癥（漸凍癥）等疾病都有可能會讓患者失去說話的能力。目前市面上已有一些設(shè)備能夠通過追蹤患者眼球或者面部肌肉運動的方式，逐字拼出患者想要說的話，再利用語音合成器將這些話“說”出來。最為著名的例子就是身患漸凍癥的已故英國物理學(xué)家斯蒂芬·霍金在晚年的時候需要利用單邊臉頰肌肉控制語音合成器發(fā)聲。

　　但是這樣的方式溝通效率極其低下，一般每分鐘不會超過 10 個單詞，而正常人說話的語速大約是每分鐘 150 個單詞。

　　不同于先打字再朗讀的方式，加州大學(xué)舊金山分校的科學(xué)家試圖利用算法，建立起大腦信號和聲道（vocal tract）活動間的關(guān)系——找出這樣的關(guān)系之后，便能夠?qū)⒋竽X中的信號轉(zhuǎn)變?yōu)橄鄳?yīng)的聲道運動，進而發(fā)出聲音。

　　為了實現(xiàn)這一點，研究人員招募了 5 名患有癲癇的志愿者。志愿者均能正常說話，而且他們的大腦中被臨時植入了用于術(shù)前確定病灶的電極。這就讓研究人員能夠在志愿者說話的同時，監(jiān)測大腦語言中樞的活動情況。

　　研究人員要求志愿者大聲朗讀一些給定的句子，在志愿者朗讀的同時，大腦中語言中樞的活動便被記錄了下來。之后，研究人員將這些大腦活動記錄與之前已經(jīng)確定了的聲道運動數(shù)據(jù)進行了結(jié)合。

　　研究人員利用這些數(shù)據(jù)對一套深度學(xué)習(xí)算法進行了訓(xùn)練，然后將算法整合進了解碼器中。這一裝置先將大腦信號轉(zhuǎn)變?yōu)槁暤肋\動，再將聲道運動轉(zhuǎn)變?yōu)楹铣烧Z音。

　　未參與這項研究的圣地亞哥州立大學(xué)的神經(jīng)學(xué)家 Stephanie Riès 表示通過將大腦活動與聲道運動進行聯(lián)系、再將聲道運動轉(zhuǎn)換成聲音的方式所生成的語音，要比直接將大腦活動與聲音進行聯(lián)系所生成的語音更加容易讓人理解。

　　“實際上，我們中很少有人真正知道當(dāng)我們說話的時候，我們的嘴巴發(fā)生了什么，”論文的通訊作者、神經(jīng)外科醫(yī)生 Edward Chang 說，“大腦把你想說的話轉(zhuǎn)化成聲道運動，而這就是我們試圖解碼的東西。” Chang 表示，聽過合成句子的人平均能夠理解其中 70% 的單詞。

　　科學(xué)家們此前已經(jīng)利用人工智能技術(shù)將大腦活動解譯為單個單詞，不過大部分都是簡單的單音節(jié)單詞?！皬膯我艄?jié)跳躍到句子在技術(shù)上非常具有挑戰(zhàn)性，這也是這項研究令人如此印象深刻的地方之一，”未參與這項研究的埃默里大學(xué)（Emory University）的神經(jīng)工程師 Chethan Pandarinath 評論說。

　　“當(dāng)我們第一次聽到結(jié)果的時候，其實挺震驚的——我們簡直不敢相信自己的耳朵。令人難以置信的是，真實語音里的許多方面在合成器輸出的語音里都得到了呈現(xiàn)?！闭撐牡墓餐髡?、加州大學(xué)舊金山分校的博士生 Josh Chartier 說，“當(dāng)然，讓語音變得更加自然和清楚還有許多工作要做，不過我們對于能夠解碼多少大腦活動印象深刻?！?/p>

　　“我們希望這些發(fā)現(xiàn)為那些表達受阻的人們帶來希望，有一天我們將能夠恢復(fù)交流的能力，這是我們作為人類的基礎(chǔ)之一”，他補充說。

　　我們做了一個壁紙應(yīng)用，給你的手機加點好奇心。去 App 商店搜好奇怪下載吧。