NeuroHeed：利用 EEG 信号进行神经引导的说话人语音提取

基于摘要分析。该研究面向鸡尾酒会场景中的选择性听觉注意，提出 NeuroHeed，利用听者与语音同步的 EEG 信号，从混合语音中提取听者正在关注的说话人语音。其贡献包括离线和面向实时推理的在线方案，将 EEG 编码得到的 neuronal attractor 作为语音提取的条件。 核心机制是以 EEG 所反映的听觉注意信息引导目标语音提取，而非仅判断听者关注哪位说话人。在线 NeuroHeed 进一步引入自回归说话人编码器，累积过去已提取的语音，通过自注册将目标说话人信息编码为 auditory attractor，以维持随时间延续的注意状态。当前窗口的语音提取同时受 EEG 来源的 neuronal attractor 与历史语音来源的 auditory attractor 引导。摘要未给出编码器结构、损失函数、训练流程及窗口设置，这些细节尚未验证。 作者报告，在 KUL dataset 的双说话人场景下，离线设置的平均 SI-SDRi 为 14.3 dB，提取准确率（extraction accuracy）为 90.8%；在线设置的 SI-SDRi 为 11.2 dB，提取准确率为 85.1%。这些数字仅对应摘要所述的数据集与场景；被试内或跨被试划分、对照基线、准确率定义、消融及统计信息尚未验证。原文将 SI-SDRi 展开为 scale-invariant signal-to-noise ratio improvement，该英文展开与缩写的对应关系也需核对全文，不能据此将其与其他语音质量指标混用。 复现时需核对 EEG 与语音的时间同步、预处理、历史提取语音的使用规则及在线窗口的计算延迟。在线设计以实时推理为目标，但摘要不足以确认端到端实时性能。平台推测（待验证）：历史语音形成的 auditory attractor 可能有助于稳定连续提取，也可能在注意切换或提取错误后延续旧目标；可通过固定 EEG 引导条件、比较启用与禁用历史语音引导时的切换恢复时间和提取质量来检验，不能将这一风险视为已证实的结果。