感知 · 衍化 · 洞见

SENSE AI 真实性验证系统

SENSE 是衍数科技（Yanshu Tech）开发的浏览器端多模态行为分析系统。 仅通过摄像头与麦克风，它就能实时读取面部微表情、语音声学、远程心率（rPPG）与视线行为， 结合你提供的背景信息由 AI 生成访谈问题，并输出结构化的真实度评分与风险报告。

启动 SENSE 了解工作原理
开发方衍数科技（Yanshu Tech）
运行平台浏览器，无需安装
信号通道4 类多模态数据
支持语言简体中文与英文

SENSE 是什么？

SENSE（SENSE AI 真实性验证系统）是一套多模态生物特征分析演示系统。它不依赖单一信号， 而是在结构化问答过程中融合四类行为数据：面部微表情、语音声学、由视频估计的生理信号， 以及行为特征。AI 层会生成贴合上下文的访谈问题，并将整个会话汇总为真实度评分、风险等级、 核心疑点与建议。

SENSE 完全在浏览器中运行，除摄像头和麦克风外无需任何专用硬件。它面向娱乐、研究与访谈训练场景， 不适用于法律、医疗或用工决策。

SENSE 不是经过认证的测谎设备或医疗设备，所有评分均为概率估计，可能存在偏差。 请阅读完整免责声明。

SENSE 如何工作

  1. 创建会话 选择远程安全链接（有效期 1 小时，报告发送至邮箱）或启动现场监控界面， 并设置问题数量：5 题（短）、10 题（标准）或 20 题（详细）。
  2. 校准基线 被测者朗读一段数字序列，SENSE 在此时采集其静息状态下的声学与视觉基线。
  3. AI 生成上下文问题 系统根据你填写的背景信息生成相关问题，并逐题呈现。
  4. 实时多模态分析 回答由 SenseVoice 多语言语音模型转写 [10]，同时 SENSE 持续分析微表情、声音压力指标、 估计心率与视线/头部/手部行为，并实时展示生物特征。
  5. 生成最终报告 会话结束后，SENSE 输出真实度评分、风险等级、核心疑点与建议摘要。

核心技术

面部

微表情分析

基于面部动作编码系统（FACS）高速分析面部肌肉的不自主运动， 包括皱眉（AU4）、微笑（AU12）与抿嘴等压力指标。 [1][2]

语音

语音声学分析

分析基频（F0）、抖动（jitter）、振幅微扰（shimmer）与噪信比（HNR）等韵律特征， 用于观察声音紧张与稳定性变化。 [8][9]

生理

rPPG 心率检测

远程光电容积脉搏波描记法（rPPG）从面部像素级的细微颜色变化中提取脉搏信号， 无需穿戴或接触式传感器。 [5][6][7]

行为

行为特征追踪

追踪视线偏移、头部姿态稳定性、僵直反应以及手部触碰面部等行为指标。 [2][3][4]

方法与验证状态

SENSE 展示的每一项能力都对应已发表的方法或有据可查的模型。下表说明：测什么、依据什么、证据到什么程度。

能力 测量信号 方法 / 依据 验证状态
面部动作单元 皱眉（AU4）、微笑（AU12）、颧部提升（AU6）、抿嘴 MediaPipe Face Landmarker 的 52 项 blendshape 分数，映射为 FACS 风格动作单元 [1][2] 基于模型的近似值，非认证 FACS 编码
语音声学 基频（F0，75–600 Hz）、局部 jitter、局部 shimmer、HNR Praat / Parselmouth 算法 [8][9] 标准声学指标；压力推断属于启发式
心率（rPPG） 由面部像素颜色变化估计的脉搏波形 文献中的 rPPG 方法 [5][6][7] 非医疗级估计；受光线与运动影响
行为特征 视线偏移、眨眼频率、肩部稳定性、手部触碰面部 MediaPipe Face / Pose / Gesture 关键点模型 [2][3][4] 仅为行为指标
回答转写 中文与英文的口语回答 SenseVoice 多语言语音识别（ONNX 量化） [10] 开源语音模型
数据传输 传输至分析服务器的视频与音频帧 TLS 传输（HTTPS） [11] 标准 TLS；非端到端加密
真实度评分与风险等级 对上述信号加权评分，并由 LLM 汇总 公开的内部阈值，与个人基线对比（见下） 并非经过验证的测谎方法 [12][13][14]

评分模型（公开阈值）

  • 声音压力：局部 jitter > 6% 记 2 分、> 3.5% 记 1 分；局部 shimmer > 25% 记 2 分、> 16% 记 1 分；基频 > 320 Hz 且 jitter > 2.5% 记 1 分。总分超过 2 分且持续至少 3 个分析周期才会被标记。
  • 心率：与个人基线对比——高于基线 40% 以上加 15 个惩罚分，25% 以上加 10 分，13% 以上加 5 分。
  • 回答回避：复杂问题仅用少于 5 个中文字符或 3 个英文单词回答，并伴随“不知道”等措辞时会被标记。
  • 镇定奖励：正常长度的回答若未触发声音、心率或行为标记，可获得 5–10 分奖励。
SENSE 不宣称能够测谎。经同行评审的综述指出，单一生理或行为信号无法可靠识别欺骗 [12][14]， 面部动作也不能被直接解读为情绪或意图 [13]。 SENSE 是面向娱乐与研究的演示系统。

查看完整方法说明、评分阈值与参考文献 →

应用场景

  • 面试训练 —— 在高压力模拟访谈中获得实时行为反馈。
  • HR 与合规演练 —— 以培训为目的模拟结构化诚信访谈。
  • 多模态研究 —— 探索问答过程中面部、声音与生理信号之间的关联。
  • 娱乐与活动 —— 通过远程链接或现场监控模式打造“测谎机”互动体验。

价格

SENSE 采用积分钱包计费：每次测量会消耗积分，提供三种充值包，目前支持微信支付。

10 积分
¥ 10.00
50 积分
¥ 50.00
100 积分
¥ 100.00

打开应用后点击钱包图标即可充值。

常见问题

SENSE 是什么？

SENSE（SENSE AI 真实性验证系统）是衍数科技开发的浏览器端多模态行为分析系统。它仅通过摄像头和麦克风，结合面部微表情分析、语音声学分析、远程心率（rPPG）估计与视线/头部/手部行为追踪，生成访谈问题，并输出结构化的真实度评分与风险报告。

SENSE 是测谎仪吗？

不是。SENSE 是多模态生物特征分析技术的演示系统，仅供娱乐与研究用途。它并非经过认证的测谎设备或医疗设备，分析结果属于概率估计，可能受光线、摄像头质量与个体差异影响。

使用 SENSE 需要什么设备？

一台带可用摄像头和麦克风的电脑或手机，以及现代浏览器（推荐 Chrome 或 Edge）。无需任何特殊传感器，心率通过面部视频的 rPPG 技术估计。

不用穿戴设备，SENSE 如何估计心率？

SENSE 采用远程光电容积脉搏波描记法（rPPG）：从摄像头像素中提取面部皮肤因血流产生的细微周期性颜色变化，并转换为脉搏波形。该数据并非医疗级测量。

SENSE 支持哪些语言？

SENSE 的界面与 AI 生成的问题支持简体中文和英文。

SENSE 的最终报告包含哪些内容？

真实度评分、风险等级、从多模态信号中标记的核心疑点，以及建议摘要。在远程链接模式下，报告可发送至指定邮箱。

SENSE 会存储我的视频和音频吗？

视频与音频实时处理以提取生物特征，传输过程采用 HTTPS（TLS）加密。请勿在上下文分析引擎中上传敏感或含个人身份信息的文件。

SENSE 如何收费？

SENSE 采用积分钱包计费，提供 10、50、100 积分充值包，每次测量会消耗积分。目前支持微信支付。

参考文献

  1. Ekman, P., & Friesen, W. V. (1978). Facial Action Coding System: A Technique for the Measurement of Facial Movement. Consulting Psychologists Press.
  2. Google AI Edge. MediaPipe Face Landmarker — 面部关键点与 52 项 blendshape 分数。 ai.google.dev/edge/mediapipe
  3. Google AI Edge. MediaPipe Pose Landmarker. ai.google.dev/edge/mediapipe
  4. Google AI Edge. MediaPipe Gesture Recognizer. ai.google.dev/edge/mediapipe
  5. Verkruysse, W., Svaasand, L. O., & Nelson, J. S. (2008). Remote plethysmographic imaging using ambient light. Optics Express, 16(26), 21434–21445. doi:10.1364/OE.16.021434
  6. Wang, W., den Brinker, A. C., Stuijk, S., & de Haan, G. (2017). Algorithmic principles of remote PPG. IEEE Transactions on Biomedical Engineering, 64(7), 1479–1491. doi:10.1109/TBME.2016.2609282
  7. de Haan, G., & Jeanne, V. (2013). Robust pulse rate from chrominance-based rPPG. IEEE Transactions on Biomedical Engineering, 60(10), 2878–2886. doi:10.1109/TBME.2013.2266196
  8. Teixeira, J. P., Oliveira, C., & Lopes, C. (2013). Vocal acoustic analysis – jitter, shimmer and HNR parameters. Procedia Technology, 9, 1112–1122. doi:10.1016/j.protcy.2013.12.124
  9. Boersma, P., & Weenink, D. Praat: doing phonetics by computer. fon.hum.uva.nl/praat
  10. An, K., et al. (2024). FunAudioLLM: Voice understanding and generation foundation models for natural interaction between humans and LLMs (SenseVoice). arXiv:2407.04051. arxiv.org/abs/2407.04051
  11. IETF (2018). RFC 8446: The Transport Layer Security (TLS) Protocol Version 1.3. rfc-editor.org/rfc/rfc8446
  12. National Research Council (2003). The Polygraph and Lie Detection. The National Academies Press. doi:10.17226/10420
  13. Barrett, L. F., Adolphs, R., Marsella, S., Martinez, A. M., & Pollak, S. D. (2019). Emotional expressions reconsidered: Challenges to inferring emotion from human facial movements. Psychological Science in the Public Interest, 20(1), 1–68. doi:10.1177/1529100619832930
  14. DePaulo, B. M., Lindsay, J. J., Malone, B. E., Muhlenbruck, L., Charlton, K., & Cooper, H. (2003). Cues to deception. Psychological Bulletin, 129(1), 74–118. doi:10.1037/0033-2909.129.1.74

在浏览器中体验 SENSE

无需安装。只需摄像头、麦克风，以及安静且光线充足的环境。

启动 SENSE English overview