EEG2TEXT-CN es uno de los primeros marcos de generación de EEG a texto con vocabulario abierto para chino. Basado en un codificador de EEG de base biológica (NICE-EEG) y un pequeño modelo de lenguaje preentrenado (MiniLM), alinea señales cerebrales multicanal con representaciones del lenguaje natural mediante preentrenamiento con máscaras y aprendizaje contrastivo. Utilizando un subconjunto del conjunto de datos de EEG chino (cada oración se alinea con aproximadamente 10 caracteres chinos y 128 canales de EEG registrados a 256 Hz), segmenta el EEG en incrustaciones por carácter y predice oraciones completas en entornos de cero disparos. El decodificador se entrena con máscaras forzadas por el profesor y rellenadas para manejar secuencias de longitud variable. Los resultados de la evaluación en más de 1500 oraciones de entrenamiento-validación y 300 muestras de prueba independientes muestran una alineación léxica prometedora, con una puntuación máxima en BLEU-1 del 6,38 %. Aunque la fluidez sintáctica sigue siendo un desafío, este estudio demuestra la viabilidad de la decodificación lingüística no fonética e intermodal mediante EEG. Esto abre nuevas vías para la investigación multilingüe de textos cerebrales y sienta las bases para futuras interfaces cognitivo-lingüísticas basadas en el chino.