Нейробиологи продолжают добиваться прорывов в разработке технологий, преобразующих мозговые сигналы в синтезированную речь. Лаборатории Калифорнийского университета в Сан-Франциско (UCSF) и Беркли, а также компания Precision Neuroscience из Нью-Йорка сообщили о значимых результатах в этой области. Их цель — дать возможность общаться людям, утратившим речь.

В марте 2025 года группа Эдварда Чанга из UCSF опубликовала в Nature Neuroscience исследование с участием женщины с квадриплегией, которая после инсульта 18 лет не могла говорить. С помощью имплантов, установленных в речевые зоны коры мозга, пациентка обучала deep-learning-модель, мысленно «произнося» предложения из 1024 слов. Нейросеть анализировала паттерны её нейронной активности и преобразовывала их в текст, который затем синтезировался в аудио через голосовой интерфейс.

Удалось сократить задержку между мозговыми сигналами и голосовым выводом с 8 секунд до 1 секунды — это ближе к естественному интервалу в 100–200 мс. Скорость декодирования достигла 47,5 слов в минуту, что составляет около трети скорости обычной беседы. «Наши алгоритмы становятся быстрее, и с каждым новым участником исследований мы учимся точнее интерпретировать сигналы», — отметил Чанг.

Компания Precision Neuroscience, конкурирующая с академическими проектами, акцентирует внимание на технологиях сбора данных. Их импланты, получившие 17 апреля 2025 года разрешение на использование сроком до 30 дней, оснащены электродами высокой плотности, что, по словам CEO Майкла Магера, позволяет регистрировать сигналы с большей детализацией. «Через год мы создадим крупнейшее в мире хранилище высококачественных нейронных данных», — заявил он. Следующим шагом станет миниатюризация устройств и их долговременная имплантация.

Однако разработчики сталкиваются с проблемами. Например, системы требуют длительного обучения: пациенты проводят десятки часов, мысленно повторяя тексты для калибровки алгоритмов. Ник Рэмзи из Медицинского центра Утрехта подчёркивает, что ключевой вопрос — универсальность паттернов моторной коры. Если они схожи у разных людей, то это ускорит адаптацию моделей для новых пользователей. Пока же все исследования сфокусированы именно на моторной коре, управляющей мышцами и речью, а не на «внутреннем голосе».

Сергей Ставицкий из Калифорнийского университета в Дэвисе указывает на несовершенство синтеза: даже при 98% точности декодирования текста голосовые модели не передают интонацию или тембр. «Пока неясно, смогут ли современные электроды обеспечить уровень детализации, необходимый для полного воссоздания человеческого голоса, включая пение», — говорит он.