音素解碼

以一種語言約 40 個音素（或一組語音特徵）作為解碼目標，使神經模型隨時間輸出一連串音素機率序列，再由語言模型組合成詞。音素構成一套精簡、可涵蓋整個語言的字母集：一個能在約 40 個單位上類推的解碼器，原則上可以產生任何詞，包括詞彙表外的詞，這是固定詞分類器做不到的。

Willett 等人（2023）在一位漸凍症（ALS）患者身上，從植入 6v 區的兩片小型皮質內電極陣列解碼嘗試發聲的音素，並結合語言模型，在 125,000 個詞的詞彙量下達到每分鐘約 62 個詞，詞錯誤率約為 24%，而在受限的 50 詞集合上則低得多。