Inter-2能捕捉哪些对话信号？它又无法证明什么？

Interhuman AI 想让 AI 不只听懂对话“说了什么”，也能留意“怎么说”。这家总部位于哥本哈根的公司称，其 Inter-2 模型可实时分析社交信号；相关报道提到，分析涉及文本、音频和视频。需要注意的是，模型输出应被理解为对可观察行为的评估，而不是对一个人私下想法或感受的确切判断。25

Inter-2据称能识别什么？

据报道，Inter-2 可识别 10 种信号：赞同、反对、怀疑、自信、迟疑、沮丧、兴趣、不确定、困惑和压力，并给出整体参与状态。18

它的思路是把谈话内容与语气、面部表情和肢体语言等线索结合起来。科技媒体 Tech.eu 报道称，Inter-2 会分析文本、音频和视频信号；一个模型介绍页面则称，该模型从带音频的视频中识别信号。公开介绍因此表明它具备多模态分析能力，但没有完整说明不同产品配置下，各类输入具体如何处理。2518

为什么要给AI加一层“社交智能”？

Interhuman AI 于 2023 年在哥本哈根成立，联合创始人包括 Paula Petcu、Frederik Sally 和 Line Clemmensen。179

公司的出发点是：要让 AI 助手作出恰当回应，光有对话文字记录可能还不够。比如，若系统捕捉到对方似乎困惑或失去兴趣，就可以尝试调整互动方式。Tech.eu 将其方案描述为在大型语言模型之外，加入对音频和视频的分析。2

但这只是产品设想，并不能证明模型在所有场景下都能可靠判断一个人的意图。停顿、表情或语调变化可能有多种原因；某个信号不应被当作诊断，也不应被视为放之四海皆准的解释。

可能的用途，不等于已验证的效果

Interhuman 将对话式 AI 和面试辅导列为潜在应用。公司网站介绍了一种模拟面试辅导服务，重点关注表达方式；其研究访谈材料则展示了如何把信号标注到回答中的相关片段。不过，研究访谈示例针对的是较早的 Inter-1 模型，不能据此认定 Inter-2 的每种用法都具备相同功能。524

这些案例说明，社交信号分析层可能用于表达辅导，或帮助研究人员回看访谈内容。但它们本身并不能证明模型在不同人群、文化或情境中都足够准确。现有资料也不足以让外部读者独立评估其表现。

可追溯性、隐私与误用风险

Interhuman 表示，较早的 Inter-1 模型能够说明哪些行为线索促成了某项信号判断；公司也介绍过将信号对应到访谈回答具体语句的做法。这类透明度功能在实际提供时可能有帮助，但现有资料无法证明 Inter-2 的所有输出都具备同样的解释或追溯能力。2524

公司的服务条款将某些用途列为受限制用途，包括在工作场所或教育机构推断个人情绪。现有材料不足以说明其数据保留方式、同意流程，以及这些限制在实际使用中如何执行。19

这类问题之所以重要，是因为技术会分析面部、声音和对话内容。社交信号可能被误读，也可能被用于监控；目前可见的证据不足以说明 Interhuman 的防护措施如何应对所有这类风险。

后续路线图仍有不少未知

本文引用的报道和公司材料介绍了 Inter-2 目前的多模态方案，但没有确认语音单独分析、多人对话、后续模型或欧洲以外扩展的时间表或具体技术承诺。因此，这些仍应视为待解问题，而不是已经公布的功能或日期。25