KI-gestützte Sprachsynthese für Menschen mit Lähmung

SAN FRANCISCO / MÜNCHEN (IT BOLTWISE) – Ein bedeutender Fortschritt in der Neurotechnologie könnte Menschen mit schwerer Lähmung eine natürliche Stimme zurückgeben. Forscher von UC Berkeley und UC San Francisco haben eine bahnbrechende Methode entwickelt, die Gehirnsignale in nahezu Echtzeit in gesprochene Sprache umwandelt.

Die neueste Entwicklung im Bereich der Gehirn-Computer-Schnittstellen (BCI) verspricht, Menschen mit schwerer Lähmung eine natürliche Stimme zurückzugeben. Forscher von UC Berkeley und UC San Francisco haben eine Methode entwickelt, die Gehirnsignale in nahezu Echtzeit in gesprochene Sprache umwandelt. Diese Technologie überwindet das langjährige Problem der Latenz in Sprachneuroprothesen, indem sie Signale aus dem motorischen Kortex dekodiert und mit Hilfe von Künstlicher Intelligenz in hörbare Sprache umwandelt.

Ein entscheidender Vorteil dieser Methode ist die Möglichkeit, personalisierte Stimmen zu erzeugen. Durch die Verwendung von Aufnahmen vor der Verletzung kann das System die Stimme des Nutzers nachbilden, was zu einer erhöhten Identifikation und einem besseren Kommunikationserlebnis führt. Diese Technologie ist nicht nur auf invasive Methoden beschränkt, sondern funktioniert auch mit nicht-invasiven Optionen wie Oberflächenelektromyographie (sEMG), die Muskelaktivität im Gesicht misst.

Die Forscher haben gezeigt, dass ihr Ansatz mit verschiedenen Gehirnschnittstellen funktioniert, darunter Mikroelektrodenarrays, die in die Gehirnoberfläche eindringen, sowie nicht-invasive Aufzeichnungen. Dies zeigt, dass die Methode nicht auf ein bestimmtes Gerät beschränkt ist, sondern überall dort eingesetzt werden kann, wo ein gutes Signal vorhanden ist.

Die Möglichkeit, Sprache in nahezu Echtzeit zu streamen, stellt einen bedeutenden Fortschritt dar. In früheren Studien betrug die Latenzzeit für die Dekodierung eines Satzes etwa acht Sekunden. Mit dem neuen Streaming-Ansatz kann der hörbare Output in weniger als einer Sekunde erzeugt werden, während der Proband versucht zu sprechen. Diese Geschwindigkeit geht nicht auf Kosten der Präzision, da die Schnittstelle die gleiche hohe Dekodierungsgenauigkeit wie der vorherige, nicht-streamende Ansatz liefert.

Ein weiterer wichtiger Aspekt dieser Forschung ist die Fähigkeit des Modells, Wörter zu synthetisieren, die nicht Teil des Trainingsdatensatzes sind. Dies zeigt, dass das Modell die Bausteine von Klang oder Stimme lernt und nicht nur Muster wiederholt. Diese Fähigkeit zur Generalisierung ist entscheidend für die natürliche Sprachsynthese.

Die Zukunft dieser Technologie ist vielversprechend. Die Forscher planen, die Ausdrucksfähigkeit der Ausgabe zu verbessern, um Änderungen in Ton, Tonhöhe oder Lautstärke zu reflektieren, die während der Sprache auftreten. Diese Arbeit könnte die Lücke zur vollständigen Natürlichkeit schließen und die Lebensqualität von Menschen mit Sprachverlust erheblich verbessern.

Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des letzten Tages gratis per eMail - ohne Werbung: Hier kostenlos eintragen!