一种软性可穿戴颈戴设备通过将无声喉部肌肉振动转化为可听语音，在针对构音障碍中风患者的临床研究中显著改善了沟通流畅度并提高了患者满意度。
该设备名为Revoice，结合纺织传感器与大型语言模型（LLMs），将无声的发音动作实时转化为完整句子。与先前的无声语音技术不同，这种可穿戴设备支持连续、自然的交流流，无需打断对话的停顿——这是标准增强和替代沟通（AAC）设备的主要局限。
使用该设备的中风患者实现了较低的单词级和句子级错误率，而可选的人工智能（AI）辅助句子扩展功能显著提升了言语流畅度和情感表达能力。与仅输出单词的基础模式相比，患者报告沟通轻松感更强，整体满意度更高。
剑桥大学工程系首席研究员路易吉·G·奥基平蒂博士表示："据我们所知，这是首个可实现构音障碍患者实时（亚秒级延迟）表达性沟通的可穿戴辅助系统。我们的研究表明，颈部区域的细微残留肌肉和皮肤运动可被我们的智能喉部（IT）设备捕获，作为无声语音界面帮助恢复日常流利沟通能力。"
该研究于1月19日在线发表在《自然·通讯》杂志。
通信障碍常见
构音障碍是一种运动性言语障碍，是中风、帕金森病及肌萎缩侧索硬化症等神经系统疾病的常见并发症。声道神经肌肉控制缺失会限制可理解言语，干扰社交互动、康复进程及生活质量。
现有增强和替代沟通（AAC）技术包括头部或眼部追踪拼写系统，以及神经假体驱动的脑机接口，但这些工具往往速度缓慢、认知负担重、具有侵入性或不适用于日常场景。尽管部分中风患者保留了喉部或面部肌肉的部分控制能力，却缺乏能将这些运动转化为流利言语的有效工具。
可穿戴无声语音设备作为传统AAC的非侵入性替代方案展现出潜力，但多数现有系统依赖固定时间窗口或整词解码，迫使用户在话语间停顿，阻碍自然言语流。
为解决上述局限，研究团队采用AI辅助的句子合成与扩展技术，实现无声语音的连续词元级解码，显著降低构音障碍中风患者的沟通负担。
改进的准确性和患者满意度
研究共招募15名参与者，包括5名构音障碍中风患者（平均年龄43±7.8岁；4男1女）和10名健康对照者（平均年龄25.3±4.1岁；6男4女）。
设备采用包含47个常见中文短语的词汇库及20个基础短句，同步测量无声言语肌肉振动和颈动脉脉冲信号（心跳）。系统通过144毫秒时间间隔实现无缝言语流。
奥基平蒂强调，除轻量级设计外，关键创新在于整合机器学习信号解码、LLM驱动的句子扩展及情绪状态感知功能："设备支持低努力的自然表达尝试，并以个性化、上下文感知方式智能优化扩展内容。"
中风组数据显示：系统实现4.2%的单词错误率和2.9%的句子错误率；通过心跳信号解码情绪状态（如沮丧或宽慰）的准确率达83.2%；AI驱动的句子扩展使患者整体满意度提升55%，沟通体验从"较满意"跃升至"完全满意"。
研究局限包括样本量小、词汇库有限、评估周期短及人群多样性不足，可能影响结果在更广泛临床环境中的适用性。奥基平蒂指出："目标是帮助无法流利表达的患者及治疗师更有效互动，未来需在多样化人群中扩展数据集并提升跨用户泛化能力。"
"有前景的研究"
美国中风协会国家志愿者专家、奥兰多健康高级康复研究所临床康复专家杰西卡·胡克评论称，该研究凸显了中风后护理中沟通技术的新可能："AI驱动设备与AAC技术持续进步，但构音障碍患者的高科技设备常在急性期后才引入。这项研究前景广阔，有望发展为临床实用工具。"
胡克同时指出需解决的关键局限：未明确患者构音障碍的类型及严重程度，可能显著影响结果；未说明中风发病时间（如1-3个月或2-4年前），而康复效果与时间密切相关；文化和语言差异也是潜在挑战。她强调："期待未来研究能提供价格合理、易于获取且用户友好的解决方案。"
该研究由国家自然科学基金、北航干威项目、英国文化协会、英国工程与物理科学研究理事会及Haleon资助。胡克声明无相关财务利益冲突。
【全文结束】
