MVP Verified · User Testing Q1 2025

在伤害成型之前
让对话回到安全区
Dialog Safety Infra for Families

语镜是一套 家庭对话语义安全系统。通过实时音频分析与边缘推理, 在语言伤害发生之前识别风险信号,帮助家长觉察、干预、反思。

了解工作原理
<200ms
Detection Latency
Edge
On-Device Inference
5 Layers
Semantic Analysis
0
Audio Leaves Device
01 Pipeline

四层语义安全管线

从音频采集到AI复盘,每一层都在设备端完成推理,音频数据不离开家庭网络。

01
采集
Capture
零感知麦克风阵列,自动采集家庭对话音频,不改变任何沟通习惯。
Always-on · Passive
02
识别
Detect
自研语义识别算法实时分析语气、语速、关键词,识别危险对话模式。
<200ms · Real-time
03
干预
Intervene
检测到风险信号时,通过触觉振动提醒家长,在冲突激化前平复情绪。
Haptic · Non-intrusive
04
复盘
Reflect
AI生成对话分析报告,标注风险节点,提供沟通改进建议,亲子共同反思。
AI Report · Actionable
02 Technology

不是录音机,是语义安全层

我们构建的不是监控工具,而是一层透明的对话安全基础设施。

核心是我们 自研的危险对话模式垂直数据库 —— 不是通用NLP,而是专门针对中文家庭场景训练的语义模型, 能识别隐性攻击、冷暴力、情绪升级等微妙信号。

我们正在研究 对话「节奏」与「情绪」的动态建模与向量化 , 将语速变化、停顿模式、音调波动转化为可计算的风险向量。

所有推理在 边缘设备 完成。音频进来,文本报告出去。 没有云端存储,没有第三方访问。

yujing-edge — semantic_analysis.log
initializing edge inference engine...
✓ model loaded: yujing-semantic-v3.2
✓ pattern database: 12,847 entries
listening on audio_stream_0...
━━━━━━━━━━━━━━━━━━━━━━━━━━━━
[18:42:03] tone_shift detected → +2.3σ
[18:42:07] risk_level: ELEVATED
[18:42:07] pattern: implicit_blame
[18:42:07] → haptic_alert sent
[18:42:15] tone_normalized → baseline
[18:42:15] intervention: SUCCESS
03 Scenarios

这些对话,每天都在发生

语言暴力不总是大喊大叫。更多时候,是那些"无意识"的伤害。

🔥

情绪升级

讨论成绩时语气逐渐加重,从"关心"滑向"指责",双方都没意识到临界点已过。

"你看看人家小明,再看看你自己!"
→ 语镜在语气偏移+1.5σ时触发振动提醒
🧊

冷暴力

没有吼叫,但沉默、叹气、讽刺性语气同样具有杀伤力。孩子学会了闭嘴。

"随便你吧,反正说了你也不听。"
→ 语镜识别消极退出模式,事后报告标注
🔄

恶性循环

相同的争吵模式反复出现,双方都困在固定脚本里,却不知道如何打破。

"每次都这样,你怎么就不能改改?"
→ 语镜AI复盘识别重复模式,提供替代策略
04 Roadmap

我们在哪里

诚实地说,我们还在早期。但每一步都经过验证。

Completed
概念验证
5天内从Planning到EVT,完成核心算法原型与系统架构验证。
Completed
MVP 系统验证
端到端管线跑通,语义识别准确率达到可用阈值,边缘推理延迟<200ms。
In Progress
用户前测
招募首批家庭用户,真实场景验证,收集反馈迭代产品。
Upcoming
开放接入
支持第三方设备接入,开放API,构建家庭对话安全生态。

孩子的记忆里
不再有创伤

我们正在招募首批测试家庭。如果你关心家庭对话质量,加入我们的等待列表。

Built with care in Shenzhen · 深圳科创学院 INFO-TECH LAB