脑电图显示大脑可以同时编码两个语音流

文章作者 指标 评论 媒体报道 同行评审 读者评论 数字 数字 摘要 多人场景中成功的语音交流需要持续注意力和快速注意力切换的巧妙结合。虽然神经生理学文献对持续注意力的神经基础提供了详细的见解，但注意力转换如何发生仍然存在相当大的不确定性。在这项研究中，我们利用沉浸式多说话者环境中听力正常成年人的脑电图记录，测量了背景喋喋不休中两个竞争语音流的神经编码。参与者被提示每 15-30 秒在流之间切换注意力。通过时间反应函数（TRF）评估神经跟踪，确认注意力焦点的可靠解码。我们的结果表明，注意力切换期间存在不对称的脱离和参与过程，其中新目标流的神经跟踪在脱离前一个目标之前出现，揭示了两个语音流的瞬态同时编码。这种转变与脑电图阿尔法功率的降低密切相关，反映了注意力转换不同阶段的认知努力。然后，我们分离了反映词汇预测机制的皮层活动，以确定注意力切换后词汇上下文如何更新，比较了使用大型语言模型构建的四种上下文积累策略。我们的研究结果阐明了听觉注意力转移背后的时间和语境机制，指出听众在转移注意力后在词汇语境中进行重置的可能性。通过关注动态注意力重新分配，这项研究深入了解了大脑在复杂听力环境中灵活处理语音的能力。引文：Carta S、Aličković E、Zaar J、López Valdés A、Di Liberto GM (2026) 在注意力切换期间，竞争的语音流同时出现在人类皮层中。 PLoS Biol 24(7)：e3003876。 https://doi.org/10.1371/journal.pbio.3003876 学术编辑：Manuel S. Malmierca，西班牙萨拉曼卡大学 收稿日期：2025 年 7 月 3 日；接受时间：2026年6月12日；发布日期：2026 年 7 月 16 日 版权所有：© 2026 Carta 等人。这是一篇根据知识共享署名许可条款分发的开放获取文章，允许在任何媒体上不受限制地使用、分发和复制，前提是注明原始作者和来源。数据可用性：支持本手稿中报告的发现的所有数据都可以不受限制地免费获取。 EEG 预处理数据集、生成的分析文件和分析代码可在开放存储库 Zenodo (https://zenodo.org/records/20569817) 上公开获取。 EEG 记录按照连续事件神经数据 (CND) 格式标准提供。相关的语音刺激也可以在同一存储库的 STIMULI 文件夹中找到。资金来源：S.C.、A.L.V. 和 G.D.L.得到了 William Demant Fonden ( https://www.williamdemantfonden.dk/ ) 的资助，资助金额为 21-0628 和 22-0552，以及 Taighde Éireann – Research Ireland ( https://www.researchireland.ie/ ) 资助金额为 18/CRT/6223。 G.D.L.此外，这项研究还得到了 ADAPT 爱尔兰研究中心、都柏林三一学院人工智能驱动数字内容技术爱尔兰研究中心 ( https://www.adaptcentre.ie/ ) 的财政支持 [grant 13/RC/2106_P2]。资助者在研究设计、数据收集和分析、发表决定或手稿准备中没有任何作用。竞争利益：作者声明不存在竞争利益。缩写：EEG、脑电图； EOG，眼电图；肌电图、肌电图； ERSP，与事件相关的光谱扰动； iEEG，颅内脑电图； FDR，错误发现率； fMRI，功能磁共振成像； ICA，独立成分分析； IQR，四分位距； LLM，大语言模型； MEG，脑磁图； PSD，功率谱密度； RMS，均方根； SE，标准误； SEM，平均值的标准误差； SNR，信噪比； SPL，声压级； TRF，时间响应函数简介为了理解多说话者环境中的语音，听众从竞争的声音流中挑选出目标说话者[1-3]。这种选择性注意过程的神经生理学已通过模拟鸡尾酒会场景进行了广泛研究 [4, 5]，揭示了我们的大脑如何将目标流与竞争语音流分开，并将目标语音转换为语言意义。虽然掩蔽语音流的处理程度仍然存在争议[6-8]，但毫无疑问，目标语音和掩蔽语音的处理之间存在相当大的差异，这是通过使用