AI 心理 / 持续研究主题
情绪、压力、语音、表情、生理与行为信号的 AI 识别及数字生物标志物。
自动归类依据公开资料标题与摘要；原文、研究结论、公司声明及编辑解读分别标识。页面不提供个体诊疗建议。
中国预印本平台 ChinaXiv（中国科学院科技论文预发布平台）刊出一项摘要级研究，用冲突情绪线索与仅含眼部的受限画面两项任务，比较人类与当前先进多模态大模型（MLLMs，可同时处理图像和文本等输入的大模型）的面部表情识别表现。 结果显示，模型在情绪不一致的复合面孔上准确率反而更高，与人类相反； 面部信息减少时，模型准确率下降幅度也大于人类。 这提示常见表情识别基准的高分不能等同于感知鲁棒性，评估需加入冲突与信息缺失场景。
一项范围综述（scoping review，按PRISMA-ScR报告）汇总44份报告、34个独立证据来源，梳理儿童与青少年使用生成式聊天机器人、AI（人工智能）陪伴、语音助手、社交机器人及AI玩具与社交情绪发展的关系。 摘要提示：受监督使用可能支撑情绪表达与亲子对话； 但没有任何研究确立持久发展收益或可安全替代人类关系。
以下为公司或产品来源的公开陈述，不等于独立效果验证。
美国AI（人工智能）公司Hume（美国人工智能公司）发布Audio Decision API（音频决策接口），输入原始音频并自定义问题与候选答案，返回带概率的结构化结果，可判断来电者是否沮丧或背景是否有警报声。 据公司博客，其初步评测中该模型与人类评审小组平均判断的一致率为70.7%，个体评分者基线为56.5%； 属公司内部初步评测，不是独立验证或临床效用证据。
意大利情绪识别公司 MorphCast 发布博文，说明情绪 AI（人工智能）信号只提供可观察数据，其浏览器端引擎不判断用户是否分心、感兴趣或困惑，后续响应由客户按阈值、持续时间或信号组合自行设定。 博文以在线学习为例：注意力信号下降可能是走神，也可能是学生低头记笔记，因此“注意力下降即干预”的通用规则意义有限。 文中未披露准确率或教育客户效果数据。
MorphCast博客发布对首席技术官Lorenzo Linari的访谈。 他称更大模型未必更好，针对具体任务优化的小模型可更强并降低能耗； MorphCast将Emotion AI（情绪人工智能）放在用户设备本地处理，视频和图像不传远程服务器，隐私保障来自架构本身。 上述均为公司自述，未提供第三方测试或合规认证。
谷歌发布 Gemini 3.8 Flash TTS（文生语音）与 Flash-Lite TTS（文本转语音） 两款模型，支持用自然语言从零定制音色、用30秒音频样本复刻声音，并可按台词逐行控制语速与情绪。 谷歌称复刻需提供声音所有者的口头同意录音，生成音频嵌入 SynthID 水印并附 C2PA 凭证。 上述性能排名与安全机制均属谷歌自述，尚未见独立第三方验证。
将传感、模型推断、临床验证和实际服务分开，避免把一个压力分数包装成诊断能力。
