脑机百科消息(bciwiki.com)，一篇2026年9月29日上传至arXiv预印本平台的综述提出，语音脑机接口不应只是把神经信号翻译成文字的解码器，而应被视为随时间自适应、以使用者为中心的临床系统，评价时也不能只看离线准确率。该文为预印本，尚未经同行评审。作者为Moein Khajehnejad、Forough Habibollahi、Tommaso Boccato、Margarida Sousa、Michal Olak、Francesco Jamal Sheiban和Matteo Ferrante，全文28页，含4幅图、2个专栏和2张表。
文章指出，语音脑机接口的目标是把与说话、语言或交流意图相关的神经活动，转化为文字、合成语音或虚拟形象控制等外部输出，以帮助患者恢复交流。作者认为，皮层内记录和皮层脑电记录、深度序列模型以及语言模型辅助解码的进展，推动了尝试说话的高性能解码和越来越自然的语音合成。但在实际系统中，神经表征、记录硬件、解码架构、语言先验、反馈与使用者学习会随时间相互作用。
综述先讨论了语音和语言的神经基础，强调其分层、分布式、具有时间结构且非平稳的特点，随后依次讨论记录与解码方案、闭环自适应、评估、临床转化和伦理。作者归纳了几组反复出现的取舍：信号分辨率与侵入程度之间，低层运动目标与高层语义目标之间，解码准确率与用户自主性之间，以及语言模型带来的流畅度与忠实于神经证据之间。
作者主张，下一代语音脑机接口的评价还应包括跨会话稳健性、校准负担、延迟、不确定性、可用性，以及防止意外解码的保障措施，并提出需要语音神经科学、神经工程、机器学习、临床实践和神经伦理等领域协作，推动其从概念验证式解码走向可靠、有表现力且可控的交流神经假体。