从脑波到文字：Brain2Qwerty开辟无创沟通新路径

From Brain Waves to Words: Brain2Qwerty Offers a New Path to Communication Without Surgery

二〇二六年六月二十九日 · 英文原文

摘要

Meta 发布 Brain2Qwerty v2，一个从非侵入性脑磁图（MEG）记录中实时解码句子的端到端 pipeline。系统在约 22,000 个句子（9 名参与者各 10 小时打字数据）上训练，通过微调 LLM 利用语义上下文，实现 61% 的词准确率（最佳参与者达 78%），远超此前非侵入性方法的 8%。Meta 与巴斯克认知、大脑与语言中心（BCBL）合作，已发布 v1 数据集及完整训练代码。

](https://ai.meta.com/)

清除

试用 Meta AI

研究

从脑电波到文字：Brain2Qwerty 提供无需手术的沟通新路径

2026 年 6 月 29 日•

3 分钟阅读

视频 2

去年，我们推出了 Brain2Qwerty v1，这项研究利用 AI 在无需任何外科植入物的情况下，从脑部活动解码出文字。现在我们分享下一步：Brain2Qwerty v2，这是性能最高的端到端 pipeline，能够从非侵入性脑部记录中实时解码句子，其准确率已接近此前只有需要脑部手术的技术才能达到的水平。

为了帮助加速神经科学领域的突破，我们发布了 Brain2Qwerty v1 和 v2 的完整训练代码，我们的合作伙伴巴斯克认知、大脑与语言中心（BCBL）也发布了 v1 数据集。我们相信这项研究有潜力为数百万因脑部损伤而无法沟通的人带来实质改变。立体定向脑电图和皮层电图等侵入性手术已证明，将信号输入 AI 解码器的神经假体可以恢复沟通能力，但这些方法难以规模化。我们的非侵入性方法有助于弥合这一差距。

我们在约 22,000 个句子上训练了 Brain2Qwerty v2，这些句子来自九名志愿者参与者，每人佩戴脑磁图（MEG）设备主动打字时记录了 10 小时。我们不依赖手工设计的 pipeline 来检测神经事件，而是使用端到端深度学习直接从原始脑信号进行解码。

在神经数据上微调大型语言模型（LLM），使系统能够利用语义上下文，弥合嘈杂脑部记录与连贯语言之间的差距。我们还部署了 AI agent 来探索解码 pipeline 的优化方案，最终训练配置由工程师手动选择。

结果：Brain2Qwerty v2 能够从嘈杂的神经输入中连贯地恢复句子，实现了 61% 的词准确率，相比其他非侵入性方法 8% 的词准确率有显著提升。对于表现最好的参与者，我们达到了 78% 的词准确率，其中超过一半的句子解码误差不超过一个词。

我们还发现，解码准确率随数据量呈对数线性提升，这表明仅通过数据扩展，与手术方法之间的剩余性能差距可以进一步缩小。这项工作是我们构建开放脑基础模型努力的一部分，包括用于感知编码的 Tribev2 模型、用于大规模处理脑数据的 NeuralSet，以及用于系统评估模型的 NeuralBench。我们与社区紧密合作开展这项工作，最近通过数字大脑项目设立了 500 万美元基金，以推动开放数据集的发展。我们希望这项公开进行的工作能够推动神经科学进步，比各自为政更快地识别、诊断和治疗神经系统疾病。

阅读 Brain2Qwerty v2 论文下载代码下载数据阅读 Brain2Qwerty v1 博客阅读《自然·神经科学》关于 Brain2Qwerty 的文章