Zyphra 发布 ZUNA1.1：Apache 2.0 开源脑电基础模型，支持 0.5 到 30 秒可变长度输入
Zyphra 于 2026 年 7 月 16 日发布 ZUNA1.1，这是一款基于 Apache 2.0 许可证的开源脑电图（EEG）基础模型。该模型支持 0.5 到 30 秒的可变长度输入，相比前代 ZUNA1 的固定 5 秒更具灵活性。它可重建、去噪和上采样任意通道布局的脑电数据，在保持或提升精度的同时，为脑机接口和神经科学研究提供更实用的工具。
一句话看懂
Zyphra 开源了 EEG 基础模型 ZUNA1.1，支持 0.5 到 30 秒可变长度输入，Apache 2.0 许可，可运行在消费级 GPU 上。
详细发生了什么
2026 年 7 月 16 日，Zyphra 发布了 ZUNA1.1，这是其 EEG 基础模型的升级版，采用 Apache 2.0 开源许可证。ZUNA1.1 是一个 3.8 亿参数的掩码扩散自编码器，能够对头皮脑电信号进行重建、去噪和上采样，且支持任意通道布局。
核心改进在于输入长度的灵活性：ZUNA1 仅处理固定 5 秒的片段，而 ZUNA1.1 接受 0.5 到 30 秒的可变长度输入。这更贴合真实 EEG 记录场景——会话时长不一、通道可能中途丢失或出现噪声。模型通过 4D 旋转位置编码（x, y, z, t）实现通道无关性，因此能适应从 4 电极头带到 256 通道科研帽的各种配置。
训练方面，ZUNA1.1 引入了四种掩码策略（通道级、时间级、时空组合、散点缺失），并采用逐通道逐秒的质量评分来筛选数据，训练语料从约 200 万通道小时扩充到约 350 万通道小时。在重建精度上，ZUNA1.1 在固定 5 秒测试集上达到或优于 ZUNA1，在区域删除重建任务中更是显著优于经典球面样条插值和 ZUNA1。
模型权重托管在 Hugging Face，推理和预处理代码在 GitHub 开源，可通过 pip install zuna 安装。Zyphra 还提供了免费的浏览器端 EEG Playground 演示。
中文圈视角
ZUNA1.1 对中文脑机接口和神经科学领域有直接价值。首先，Apache 2.0 许可证意味着国内研究机构和公司可以自由使用、修改和商用，无需担心授权问题。其次，模型支持消费级 GPU 甚至 CPU 运行，降低了硬件门槛——国内许多实验室可能没有高端 GPU，但用 CPU 处理短片段 EEG 数据仍然可行。
与国产同类产品对比：目前国内 EEG 基础模型尚处于早期阶段，如清华大学、中科院等机构有相关研究，但公开可用的开源模型较少。ZUNA1.1 填补了这一空白，且其可变长度输入特性对中文场景尤其实用——国内临床 EEG 记录时长不一，从几秒到几十秒都有，固定长度模型需要裁剪或填充，可能丢失信息。
不过，需要注意：模型目前仅限研究用途，且依赖 Hugging Face 和 GitHub 下载权重，国内用户可能需要科学上网。此外，EEG 数据涉及个人生物信息，使用时应遵守《个人信息保护法》和《数据安全法》，确保数据不出境或进行脱敏处理。
一个中文圈尚未讨论的盲点是：ZUNA1.1 的通道无关性意味着它可以适配国产 EEG 设备（如博睿康、诺诚等）的任意通道布局，无需重新训练。这为国产脑机接口硬件与开源软件生态的结合提供了可能。
几条值得记住的细节
- 输入长度：0.5 到 30 秒，按 0.125 秒网格对齐，默认推理窗口仍为 5 秒，需手动设置 segment_sec 参数。
- 通道无关性：通过 4D 旋转位置编码实现，支持任意电极布局，甚至可生成从未记录的通道信号。
- 训练数据：从约 200 万通道小时扩充到约 350 万通道小时，采用逐通道逐秒质量过滤。
- 推理方式：提供 reconstruct_fif 函数直接处理 .fif 文件，支持坏通道修复、时间段去噪、通道上采样等。
- 硬件要求：可在消费级 GPU 上运行，CPU 也能处理部分工作负载。
一句话总结
ZUNA1.1 让 EEG 基础模型变得更灵活、更易用，国内研究者和开发者可以免费获取并适配自己的设备和场景。