Ai总结： Tether Evo发布三项同行评审研究，展示通用AI模型可跨个体解码语音、视觉与音乐信号，实现无需重复训练的高效神经接口技术突破。

Tether Evo公布跨模态脑机接口新进展：统一模型解码多类神经信号

Tether旗下前沿科研项目Tether Evo近日发布了三项经过同行评审的最新研究成果，聚焦于构建一个能够同时解析人类大脑活动中的语音、视觉与音乐信息的通用型人工智能脑机接口系统。该系统旨在突破个体差异带来的建模障碍，实现对大规模人群神经数据的一次性学习与高效应用。

单一模型实现跨被试神经信号解码，降低个性化训练需求

研究团队通过整合来自不同受试者的大脑活动数据，验证了一个统一的深度学习框架可在不重新训练的前提下准确解析多种认知任务下的神经响应。其中两项关键论文由Tether Evo与意大利罗马托尔维加塔大学（UniTOV）联合完成，标志着脑机接口从个体定制化向群体通用化迈进一步。

面向残障人士的多模态神经接口支持系统

该技术的核心价值在于为因创伤或疾病丧失听觉、语言或视觉能力的患者提供潜在替代方案。一项发表于《Journal of Neural Engineering》的研究表明，仅需一次训练即可建立适用于多个人群的语音解码模型，显著提升系统部署效率与临床可用性。

基于猕猴实验的图像重建与音乐意图解码突破

研究人员利用猕猴在观看数千张图像时采集的神经信号，开发出能在200毫秒内完成初步分析的图像重建算法，实现70%的准确率，成功还原出包含形状、色彩与内容特征的视觉表征。在音乐领域，通过对五名参与者聆听540首涵盖十种风格曲目的功能性磁共振成像数据进行建模，系统可有效推断其感知偏好与情绪反应。

Tether Evo强调，所有处理过程均采用设备端本地化AI架构，确保用户神经数据不外泄、无权限依赖，从根本上捍卫个人隐私与自主权。