结果显示 说话后大脑反应具有特别高的时间保真度

特别适合发声。已经进行了几项研究来定位和理解大脑语音的特定部分，但是由于同一大脑区域的大部分对所有声音都是活跃的，所以不清楚大脑是否有独特的语音处理过程以及如何处理它。它执行这些过程。其中一个主要挑战是描述当高度可变的声音信号和语言表达之间没有一一对应时，大脑如何将它们匹配起来，例如，大脑如何识别说话者和方言使用的相同单词，它们是相同的。

在这项最新的研究中，由Riitta Salmelin教授领导的研究人员根据16名健康芬兰志愿者的毫秒大脑记录解码并重建了语音。他们采用了一种新颖的方法，即利用各种声音(不同说话者说出的单词、来自多个类别的环境声音)的自然声学可，并使用受生理学启发的机器学习模型将它们映射到脑磁图(MEG)数据。这些类型的模型具有声音的时间分辨和时间平均表示，并且之前已经用于大脑研究。合著者阿里费萨尔(Ali Faisal)提出的新颖且可扩展的公式允许将这种模型应用于全脑录音，并且本研究首次将同一模型的声音与其他声音进行比较。

阿尔托研究人员和主要作者安妮诺拉说：“我们发现皮层激活器的时间锁定和扩展的语音输入之间的联系对于语音编码非常重要。当我们听到一个词(如“猫”)时，我们的大脑必须及时准确地跟随它来理解它的意思。

相比之下，时间锁定在非言语环境声音的皮层加工中并不突出，非言语环境声音传达的意义与口语相同，如音乐或笑声。相反，时间平均分析足以实现其意义。这意味着当你听到猫的叫声时，大脑也会获得同样的表征(猫的外表、猫的行为、感觉等)。)，但声音本身会作为一个整体来分析，没有诺拉的解释。

对于无意义的新词，也观察到时间锁定编码。然而，即使是对笑声等人工非语音声音的响应，动态时间锁定机制也不能表现出更好的解码效果，但可以利用时间平均模型进行更好的重构，这表明时间锁定编码对识别出的声音是特殊的。作为演讲。

结果表明，大脑反应在讲话后具有特别高的时间保真度。

目前的结果表明，在人类中，一种特殊的时间锁定编码机制可能已经进化成了语音。根据其他研究，在早期发展过程中，这种加工机制似乎已经针对母语进行了调整，并广泛暴露于语言环境中。

当前对时间锁定编码的发现，尤其是对语音的发现，加深了对声学和语言表示(从声音到单词)之间映射所需的计算的理解。目前对的发现提出了一个问题，即声音的哪些特定方面对于促使大脑使用这种特殊的编码模式至关重要。为了进一步的研究，研究人员的下一个目标是利用现实生活中如听觉的环境，如重叠的环境声音和声音。诺拉说：“未来的研究还应该确定我们是否可以通过经验来处理类似的时间锁定，并专门处理经验，比如处理音乐家的乐器声音。"