Meta AI 发布 Brain2Qwerty v2：非侵入式 MEG 脑机接口实现 61% 单词准确率，训练代码开源
Meta AI 推出 Brain2Qwerty v2，通过非侵入式 MEG 信号解码打字句子，平均单词准确率达 61%，最佳参与者达 78%。训练代码已开源。本文解析技术细节、与 v1 的差异，并探讨对中文圈用户的研究价值与限制。
一句话看懂
Meta AI 发布 Brain2Qwerty v2，用非侵入式 MEG 脑信号解码打字内容，平均单词准确率 61%，训练代码开源。
详细发生了什么
Meta AI 于 2026 年 6 月 30 日发布 Brain2Qwerty v2。这是一个基于非侵入式 MEG（脑磁图）信号的脑到文本解码流水线。系统在参与者打字时实时读取 MEG 信号，无需植入或手术即可重建所打内容。
v2 在 9 名志愿者、每人约 10 小时、总计约 22,000 句的数据上训练。平均单词准确率达 61%（词错误率 39%），最佳参与者达 78%，超过一半的句子错误不超过一个单词。相比之下，此前非侵入式方法仅达 8% 的单词准确率。
解码流水线由三部分组成：卷积编码器（从原始 MEG 信号学习特征）、Transformer（建模时间序列结构）、字符级语言模型（约束输出为合理文本）。此外还微调了 LLM 以提取语义表征。准确率随数据量对数线性增长。
Meta 同时开源了 v1 和 v2 的训练代码，采用 CC BY-NC 4.0 许可。数据由西班牙 BCBL 中心收集，属于该研究机构。
中文圈视角
Brain2Qwerty v2 目前是纯研究项目，非消费级产品。对中文圈用户而言，直接使用门槛很高：MEG 设备需要磁屏蔽室和静止受试者，且代码许可禁止商用。
但它的开源价值不容忽视。国内脑机接口研究团队（如 Neuralink 的竞争者、高校实验室）可基于此代码复现实验，或迁移到 EEG 等更易获取的信号上。不过，EEG 信号噪声更大，v1 已显示 MEG 比 EEG 准确率高一倍以上。
中文场景下，模型本身不直接支持中文解码（字符级语言模型基于英文）。但架构可迁移，国内研究者可尝试用中文语料微调语言模型部分。此外，数据隐私问题值得关注：MEG 数据包含大脑活动信息，若涉及跨境合作需符合《数据安全法》和《个人信息保护法》。
一个尚未被广泛讨论的盲点：非侵入式脑机接口的伦理边界。当解码准确率足够高时，能否在未经用户同意的情况下读取思维？Meta 的研究虽限于打字场景，但技术演进可能引发新的监管讨论。
几条值得记住的细节
- 准确率对比：v2 平均单词准确率 61%，最佳参与者 78%，此前非侵入式方法仅 8%。
- 数据规模：9 名志愿者，每人 10 小时，共约 22,000 句。
- 架构核心：卷积编码器 + Transformer + 字符级语言模型，并微调 LLM 提供语义上下文。
- 开源许可：CC BY-NC 4.0，禁止商用，但可自由用于学术研究。
- 限制：MEG 需磁屏蔽室和静止受试者；结果来自健康志愿者，非临床患者。
一句话总结
非侵入式脑机接口准确率大幅提升，但离日常使用还有距离；开源代码为国内研究提供了可复现的基线。