不依賴單詞對齊的非侵入式語音解碼：利用語義瓶頸的新架構
為何重要
此研究將神經解碼的目標從低層次聲學還原轉向高層語義理解，實質上解決了 BCI 領域中訊號品質低導致識別率不斷升的瓶頸。雖然目前僅限於 MEG 裝置，但這種「Semantic Bottleneck（語義瓶頸）」架構為未來低成本、穿戴式意念輸入裝置的開發示範了可行的技術路徑。
非侵入式神經解碼受限於低訊噪比，難以精確捕捉聲韻或單詞。研究提出一種新方法繞過低層次還原路徑，改以高層語義嵌入空間作為中繼，從句子級別的 MEG 響應重建自然語言。
- 難點突破：傳統非侵入式解碼受神經記錄低訊噪比影響，難以精確還原單詞。
- 核心方法：提出 Brain2Semantics2Text，將句子級別的 MEG 響應對映到 semantic manifold（語義流形）。
- 解碼路徑：透過側向預測嵌入值產生自然語言，跳過傳統強制的單詞對齊步驟。
- 效果驗證：與既有的非侵入式 Brain2Text 方法相比，在句子層級的解碼結果有所提升。