脑机百科消息(bciwiki.com)，研究团队提出一种名为Brain2Speech-Net的单阶段神经信号到语音生成框架，无需中间的文本解码步骤。据作者报告，在其对比的系统中，它是唯一既能生成可懂语音、生成速度又快于实时的系统。该研究于2026年9月3日作为预印本上传至arXiv平台，尚未经同行评审。
作者指出，言语能力丧失限制了瘫痪患者的沟通，而可用于训练语音脑机接口的神经数据有限，使直接从神经信号合成语音颇具难度。现有系统大多采用“神经信号—文本—语音”的级联流程，这会增加推理延迟，并使错误在各阶段之间传递。
Brain2Speech-Net采用可微音素瓶颈和深度隐马尔可夫模型（深度HMM）对齐机制，将较长的神经记录映射到文本转语音（TTS）模型的潜在空间，据作者描述，这使高质量语音合成成为可能。
论文作者为Shreeram Suresh Chandra、Zexin Cai、Yu Tsao、Simon King和Berrak Sisman。现有摘要未说明所用神经信号的采集方式、受试者人数或具体的可懂度指标。