Broca's area

MoDAl框架通过发现新的神经模态来增强语音神经假体

研究人员开发了MoDAl，一个旨在通过发现和整合互补性神经数据模态来改进语音神经假体系统的新框架。这种自监督方法使用与大型语言模型（LLM）的对比对齐和去相关性损失来防止冗余表示。通过整合来自之前被忽略的脑区（如布罗卡区）的信号，MoDAl将Brain-to-Text Benchmark '24的词错误率从26.3%显著降低到21.6%，证明了其在恢复交流方面的有效性。