CIPHER：基于 Conformer 的高密度 EEG 音素推断
计算与语言
2026-04-06 v1 人工智能
声音
摘要
从头皮 EEG 解码语音信息仍然困难，因为信噪比低且空间模糊。我们提出了 CIPHER（Conformer-based Inference of Phonemes from High-density EEG Representations），一个双路径模型，使用（i）ERP 特征和（ii）宽带 DDA 系数。在 OpenNeuro ds006104（24 名参与者，两项并发 TMS 研究）上，二元发音任务达到接近天花板性能，但对混淆因素高度敏感（声学起始可分离性和 TMS 目标阻塞）。在主要 11 类 CVC 音素任务上，在完整的 Study 2 LOSO（16 名保留受试者）条件下，性能显著较低（真实词 WER：ERP 0.671 ± 0.080，DDA 0.688 ± 0.096，表明细粒度判别能力有限）。因此，我们将这项工作定位为基准和特征比较研究，而非 EEG 到文本系统，并将神经表征声明限制在受控混淆因素的证据范围内。
引用
@article{arxiv.2604.02362,
title = {CIPHER: Conformer-based Inference of Phonemes from High-density EEG},
author = {Varshith Madishetty},
journal= {arXiv preprint arXiv:2604.02362},
year = {2026}
}