本研究提出了一种新方法，通过辅助音素预测器提升脑机接口在听觉语音解码中的表现，特别是对语音感知受损者，显示出优于传统方法的解码效果。

本研究开发了一种人工智能驱动的智能喉部系统，旨在帮助中风患者克服言语障碍。该系统实时捕捉喉部肌肉振动，并利用大语言模型进行语音解码，显著提升沟通流畅性和情感表达，用户满意度提高了55%。

研究人员开发了一组神经科学启发的自监督目标和神经架构，用于从无标记神经记录中进行表征学习。实验证明这些目标学习到的表征能够普遍适用于不同的被试者、数据集和任务，并比仅使用有标记数据时更快地学习。此外，为两个基础性语音解码任务设置了新的基准，这些方法现在可以利用更多的现有数据来训练语音解码模型。