一些造成癱瘓的神經疾病也會剝奪病患說話的能力，例如肌萎縮性偏側硬化症和腦幹中風。目前有些病患透過輔助科技操作鍵盤（例如已逝的知名物理學家霍金），有些病患則藉由腦機介面直接以意念控制機器。但對閉鎖症候群和其他有溝通障礙的患者來說，這兩種儀器的運作速度慢，也不實用。

研究人員正努力研發工具，用以竊聽和語言相關的腦部活動，解碼並轉為電腦發音。一項新研究利用最先進的機器學習與語音合成技術，創造至今最令人驚豔的結果。

美國哥倫比亞大學朱克曼研究中心的電子工程師梅斯卡拉尼（Nima Mesgarani）和同事研究了五名癲癇患者，他們在患者顱部的內側或外側安裝電極，做為治療的一部份。電極偵測與語音處理有關的腦區，他們讓患者聆聽故事，同時記錄患者的腦部活動，並訓練一組深度學習的人工神經網路，配對腦部活動和對應的聲頻。他們想知道輸入陌生的神經訊號時，這套系統能否重現原本的語音。

病患會聽見數字0~9，每個數字重複四次，這套系統把神經訊號轉化成驅動聲碼器（特殊的語音合成機）的數值。根據今年1月發表於《科學報告》的論文，另一組受試者聽了合成語音後，辨識成功率達75%。過去大部份相關研究沒有測量這類重建語音的可辨識度。梅斯卡拉尼說：「我們的研究結果顯示這些合成語音清晰可辨。」

過去科學家已經知道我們可能由腦部活動重建語音，而這項新研究讓重建語音技術的表現更上一層樓。美國加州大學舊金山分校的神經外科醫生張復倫（Edward Chang）沒有參與這項研究，他評論這項技術「仍有許多進步空間，但我們知道該有的資訊就在那裡。這個日新月異的領域在接下來幾年會突飛猛進。」

然而目前重建語音技術仍有一些限制，梅斯卡拉尼團隊記錄的腦部活動來自語言接收區，而非語言產生區。研究人員也只以少數字彙評估這套系統，而非使用包含大字庫的完整句子（包括張復倫在內的科學家已著手解決這些問題）。其中最重要的問題或許是，該研究解碼的是受試者實際聽到的語言，而非他們想說的話；我們得解讀後者，才有可能發展出實用的儀器。梅斯卡拉尼說：「對我們所有人而言，真正的挑戰是如何讓想像的語言成真。」