脑机百科消息(bciwiki.com)，一项上传至arXiv预印本平台（2026年9月25日）的研究发现，在从脑磁图（MEG）信号中解码语音时，想象语音比听辨语音更受益于语言模型。作者为Maryam Maghsoudi、Sai Samrat Kankanala、Shihab A. Shamma和Sriram Ganapathy，该研究尚未经同行评审。
作者指出，解码想象语音是脑机接口的重要目标，但受限于神经反应弱、信噪比低以及想象语音数据集有限。研究使用一套配对的听辨-想象MEG数据集，在两个阶段引入语言模型信息。第一阶段训练对比学习神经解码器，使MEG表征与声学表征及上下文语言表征对齐，据论文摘要，这提升了听辨与想象语音的跨被试单词解码表现。第二阶段在推理时采用受神经约束的束搜索框架，将神经证据与语言模型给出的下一个词概率相结合。
结果显示，对想象语音而言，神经证据与语言模型证据之间的最佳权衡更偏向语言模型，相对仅用神经信号解码的提升也更大。作者据此认为，语言先验在神经证据较弱时最有用，对想象语音脑机接口尤其有价值。论文摘要未公布具体准确率等量化指标。