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?yàn)榛疾《暤娜巳阂哉５恼Z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(huì)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(yùn)動(dòng)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(shí)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(huì)超過 10 個(gè)單詞,，而正常人說話的語速大約是每分鐘 150 個(gè)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(hào)和聲道（vocal tract）活動(dòng)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(hào)轉(zhuǎn)變?yōu)橄鄳?yīng)的聲道運(yùn)動(dòng),，進(jìn)而發(fā)出聲音。
為了實(shí)現(xiàn)這一點(diǎn),，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(shí)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(shí),，監(jiān)測大腦語言中樞的活動(dòng)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(shí),，大腦中語言中樞的活動(dòng)便被記錄了下來。之后,，研究人員將這些大腦活動(dòng)記錄與之前已經(jīng)確定了的聲道運(yùn)動(dòng)數(shù)據(jù)進(jìn)行了結(jié)合,。
研究人員利用這些數(shù)據(jù)對(duì)一套深度學(xué)習(xí)算法進(jìn)行了訓(xùn)練，然后將算法整合進(jìn)了解碼器中,。這一裝置先將大腦信號(hào)轉(zhuǎn)變?yōu)槁暤肋\(yùn)動(dòng),，再將聲道運(yùn)動(dòng)轉(zhuǎn)變?yōu)楹铣烧Z音。
未參與這項(xiàng)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(dòng)與聲道運(yùn)動(dòng)進(jìn)行聯(lián)系,、再將聲道運(yùn)動(dòng)轉(zhuǎn)換成聲音的方式所生成的語音,，要比直接將大腦活動(dòng)與聲音進(jìn)行聯(lián)系所生成的語音更加容易讓人理解。
“實(shí)際上,，我們中很少有人真正知道當(dāng)我們說話的時(shí)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(yùn)動(dòng)，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(dòng)解譯為單個(gè)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(xiàng)研究令人如此印象深刻的地方之一，”未參與這項(xiàng)研究的埃默里大學(xué)（Emory University）的神經(jīng)工程師 Chethan Pandarinath 評(píng)論說,。
“當(dāng)我們第一次聽到結(jié)果的時(shí)候,，其實(shí)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(shí)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),?！闭撐牡墓餐髡摺⒓又荽髮W(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(duì)于能夠解碼多少大腦活動(dòng)印象深刻,。”
“我們希望這些發(fā)現(xiàn)為那些表達(dá)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(bǔ)充說,。
我們做了一個(gè)壁紙應(yīng)用,，給你的手機(jī)加點(diǎn)好奇心。去 App 商店搜好奇怪下載吧,。