摘要：今年9月，一家名为Nuance Labs的人工智能初创公司完成了1000万美元种子轮融资，由Accel 领投，Lightspeed和South Park Commons跟投，他们要让 AI 能够识别和理解人类的情绪，甚至在对话开始前就能“察言观色”。

现在的 AI 明明能写代码、分析数据，可跟人聊天时总差口气，你跟它说工作不顺心，它回复得逻辑满分，语气却毫无波澜，这些的原因是什么？有什么办法解决吗？

今年9月，一家名为 Nuance Labs 的人工智能初创公司完成了 1000万美元种子轮融资，由 Accel 领投，Lightspeed 和 South Park Commons 跟投，他们要让 AI 能够识别和理解人类的情绪，甚至在对话开始前就能“察言观色”。

Fangchang Ma 是 MIT 机器人学博士，Edward Zhang 有华盛顿大学计算机图形学博士学位，两人都曾在苹果工作。

两人认为，无论语言模型多么强大，只要没办法理解人类的情绪变化，就永远无法实现真正自然的人机对话。

Nuance Labs 的做法是通过 帧级别的情感建模，让 AI 具备识别人类微表情、语调变化、甚至肢体语言的能力。

根据 Nuance Labs 提供的数据，他们的系统可以在 0.8 秒内识别出32维情绪参数，包括紧张度、专注度、愉悦度、疲倦感等，并据此做出更贴合人类预期的回应。

这个系统不仅能处理语音，还能同步分析视频中的人脸表情、眼神变化和身体姿势。

Nuance Labs 的方法，是用 自回归建模方式一帧一帧地预测人类行为，就像语言模型预测下一个词一样，情感模型预测下一种表情、语调或反应，它通过观察与模仿来掌握情感表达的规律。

相比依赖大语言模型的情绪识别方案，Nuance Labs 的系统运行速度更快、成本更低，能实现真正意义上的实时交互。

当然，这事儿也不是没挑战，首先是数据问题，训练情感 AI 需要大量带标注的多模态数据，可情感标注太主观了 —— 同样一个表情，有人觉得是开心，有人觉得是敷衍，再加上文化差异，数据质量很难保证。

其次在实时性上，人类情绪是动态变化的，AI 得跟得上节奏，Nuance Labs 虽然说演示时能 “超播放速度渲染表情”，但真实场景里要保持这个性能，还得解决不少工程问题。

团队里还有两个关键人物，其中，Karren Yang 是一位专注音视频合成的博士，曾在 Meta Reality Labs 与 Niantic Labs 担任工程师；Claudia Vanea 来自牛津，研究方向是从复杂人类数据中提取情绪信号。

4 个人的技术背景覆盖了机器人学、图形学、音视频合成和 AI 健康，这让他们能把文本、语音、面部表情、肢体语言整合到一个系统里，实现实时情感交互 。

不过从应用场景来看，这技术的想象空间很大。在教育领域，它可以帮助 AI 教师根据学生表情和语气调整教学节奏；在心理健康领域，它可以成为实时情绪陪伴工具；在客服、游戏、影视等行业，它可以优化用户体验，提升交互自然度。

尤其是在医疗和特殊人群支持方面，情感AI的潜力被投资方认为是“比文字处理更具人类价值的方向”。

人机交互的下一阶段，已经不再是“让AI更聪明”，而是“让AI更人性”。技术能说话，但能否听懂一个人背后的情绪，决定了它能否真正走进人类生活。

来源：小芳医学科普