面向想象言语期间 EEG 的声音重建

基于摘要分析。该研究探索如何将想象言语期间的非侵入式 EEG 转换为用户本人的声音，提出 NeuroTalk，以出声言语 EEG 训练模型，再泛化适配至想象言语域。其核心贡献是探索从具有语音参照的出声言语训练条件，向无法直接取得同步真实语音的想象言语重建条件迁移的路径。 技术机制方面，摘要说明模型利用出声言语 EEG 进行训练，并将其适配到想象言语域，以建立脑信号与作为真实参照的声音之间的对应关系。框架还引入自动语音识别解码器，帮助对生成语音进行音素分解。具体网络结构、损失函数、训练阶段、域适配方式及推理时所需输入尚未验证，不能据此认定采用了某种特定的域适应算法。 作者报告，该框架显示了从未见词重建声音的潜力，结果提示 EEG 语音合成不仅可能用于出声言语，也可能用于想象言语。摘要未给出定量指标、对照基线、数据集、被试规模、词汇范围或数据划分，因此这些结论目前应理解为作者报告的可行性信号，而非已确认的开放词汇语音重建能力；也无法判断结果属于 Within-subject、Cross-subject 或其他泛化协议。 复现时需核对出声言语与想象言语的配对及语音参照构建方式、未见词的划分定义、语音可懂度与说话人音色的评估方式，以及自动语音识别解码器对最终输出的贡献。实验协议、消融及统计信息尚未验证，代码与数据可用性亦未由所给材料确认。