传统心理评估长期依赖量表问卷，本质是主观自我报告，很容易出现作答掩饰、理解偏差等问题。检信 Allemotion 采用多模态融合作为核心技术路线，把语音声学信号、面部动态微特征、远程生理信号三类独立维度的数据同步采集，再通过神经网络模型做特征融合分析，不再只依靠单一维度信息判断心理状态，丰富评估的参考维度。这套技术依托自主知识产权的面肌微动识别、语音情感识别算法，结合 rPPG 远程光电容积描记技术，无需佩戴传感器，普通摄像头就可以完成全部信息采集，降低硬件门槛。
语音情感识别模块基于 LSTM 长短期记忆网络，专门处理对话过程中连续的语音时序数据。人在表达想法时，内心情绪会改变语速、停顿、声调、声压等声学特征，模型对语音分帧提取梅尔倒谱、短时能量等特征参数，识别对话过程中的情绪波动。而视觉模块，不只是识别明显的喜怒哀乐表情，重点捕捉转瞬即逝的面部细微肌肉变化，也就是微动态特征，以 FH256 心理频谱方式，记录每一帧面部的细微波动，捕捉人主观刻意隐藏的情绪倾向。同时 rPPG 技术通过捕捉面部皮肤因心跳产生的微弱光影变化，估算心率、心率变异性、呼吸率，生理指标和情绪数据相互对照，提升参考价值。
检信 Allemotion 不是依靠单一帧图片判断情绪，而是对一段时间连续视频、连续语音做时序分析，持续观察情绪随对话推进的动态变化，输出 12 维情绪指标，包含压力水平、情绪稳定度、专注度、愉悦度等量化向量，最终生成结构化参考报告。系统的定位是辅助评估工具，所有结果仅作为心理工作者的参考依据，不能单独作为心理诊断结论。这套多模态技术，把静态问卷升级为动态、自然谈话式评估，适用场景覆盖校园谈心、企业员工关怀、社区心理服务等，兼顾便捷性与客观性，让心理状态采集在自然交流中完成，减少被测人的压力与抵触。