研究基础与方法

这是一份关于 InnerLight 所依托科学基础、所用技术及其原因的透明、详尽说明，面向研究人员、临床医生和评审者撰写。InnerLight 本身尚未经过对照试验验证；本页记录了其设计背后的既有原理，以及我们对如实检验它的承诺。

1. 舒缓声音——等感原则

InnerLight 对声音的运用建立在音乐治疗中的等感原则之上：以与当事人当前情绪状态相匹配的音乐与之相遇，再逐步将音乐引导向平静，从而带动其一同平静下来。这是一种由受控实验研究支持的长期临床方法。

Starcke K., Mayr J., von Georgi R. (2021). “Emotion modulation through music after sadness induction — the Iso principle in a controlled experimental study.” International Journal of Environmental Research and Public Health, 18(23).

Music with auditory beat stimulation RCT protocol (2025). BMJ Open, 15(6):e094784 — describes Iso-principle personalization against baseline Self-Assessment Manikin (SAM) scores.

2. 放松目标节奏（60–80 BPM）

研究表明，每分钟 60–80 拍范围内的音乐有助于放松，其机制是使神经振荡（α 波活动）与音乐节律对齐，从而将唤醒水平从紧张转向平静。InnerLight 优先选用此范围内的曲目，并在开发中引入动态节奏塑形功能。

Xu R., Li J. (2025). “AI-driven music intervention based on five-tone theory for anxiety: a preliminary pre-post feasibility study.” Frontiers in Psychology, 16:1669029. (Real-time HRV-guided tempo modulation.)

Frontiers in Digital Health (2025), 7:1552396 — review of music therapy, entrainment, and AI-driven biofeedback.

3. 实时生理信号驱动的自适应（开发中）

当前最有力的证据支持根据生理信号平滑、实时地调整音乐参数——节奏、音量、复杂度——而非突然切换曲目。当紧张程度升高时，有效的系统会通过柔和过渡放慢节奏并简化音乐。这是 InnerLight 持续声音开发的方向。我们正在审慎重新审视应以哪种信号来驱动它：由于每分钟心跳数并不是情绪状态的可靠指标，我们不将心率用作紧迫信号，而是在构建一种更可靠的方式来了解当事人的状态。

REMAST: Real-time Emotion-based Music Arrangement with Soft Transition (arXiv:2305.08029).

Williams et al. (2020); Jiao (2025) — adaptive functional music generation with real-time biofeedback, reviewed in Frontiers in Psychology (2026), 16:1741463.

4. 非接触式心率读取——远程光电容积脉搏波描记法（rPPG）

InnerLight 通过标准网络摄像头利用远程光电容积脉搏波描记法读取心率：检测血液在皮下搏动时面部皮肤产生的微小颜色变化。我们结合前额和脸颊皮肤区域（避开引入运动噪声的眼睛和嘴巴），验证皮肤像素，通过自相关检测心跳周期，并应用符合生理规律的平滑处理，以排除不合理的突变。在光线不足时，信号在分析前会自动增亮（自适应伽马校正），以确保处于昏暗环境中的用户不被排除在外。

Method basis: chrominance- and plane-based rPPG (POS/CHROM family); forehead and cheek regions of interest shown to carry strong pulsatile signal in systematic reviews of rPPG ROI selection.

Low-light handling follows gamma-correction and histogram-based enhancement approaches evaluated for rPPG under poor illumination.

为何选用网络摄像头 rPPG，而非可穿戴设备或特定产品：危机工具必须能让任何人在任何时刻无需购买、配对或安装任何设备即可使用。可穿戴设备和临床脉搏血氧仪精度更高，但会将没有此类设备的人排除在外。基于深度学习的 rPPG 模型性能出色，但需要服务器和大量计算资源。基于浏览器的 rPPG 是唯一能让所有人在手机或电脑上即时运行的方法——因此我们采用它，并对其局限性保持透明：它需要合理的光线和相对静止的面部，我们会按置信度（已测量 / 估算 / 保持基线）标注每次读数，而非夸大精度。

5. 面部信号读取——MediaPipe

对于面部表情信号，InnerLight 使用 Google 的 MediaPipe 面部关键点检测器，它测量数十个具体的面部动作数值（混合形状），而非猜测单一的情绪标签。我们选择 MediaPipe，是因为它免费、完全在浏览器中运行（面部图像不会因此离开用户设备）、文档完善，并且被广泛使用和维护——这对于需要被研究团队可复现的工具而言至关重要。

6. 通过真实图像进行接地气训练

InnerLight 使用真实照片而非动画作为接地气场景。这是经过深思熟虑的：具体的感官接地是一种公认的技术，用于打断痛苦和解离状态，将注意力拉回当下。

7. 隐私与加密

隐私是基础，而非事后补充。具体而言：

• 会话内容不以原始形式存储。只有用户选择保存的摘要才会被保留，且在存入任何研究记录之前，识别性信息（电子邮件、电话号码、账号、长串数字）会被自动删除。
• 回访用户的记忆以源自其本人回访码的密钥加密。其保存的故事在没有该码的情况下无法被读取——无论是我们，还是任何拥有服务器访问权限的人。若密码丢失，数据将按设计不可恢复。这使用了 Axiom Harmony 协议——我们应用的加密层，使当事人而非运营者持有其自身故事的密钥。
• 实时生物特征监测器是匿名且临时性的。它以匿名标签（人员 1、人员 2）显示心率和平静状态，不保存任何文字，并在会话结束后不久过期。
• 面部分析在设备端进行。用户的视频在其自己的浏览器中进行心率和表情信号分析；原始视频不会为此目的被传输。

7b. Axiom Harmony 协议（AHP）——它是什么，以及它如何保护您

Axiom Harmony 协议（AHP）是 InnerLight 的加密层——该系统将用户选择保存的任何内容转化为经过加扰的、不可读的数据，只有他们自己才能解锁。这不是披着弱保护外衣的营销名称；它建立在用于保护银行和政府数据的同类加密之上。以下是它的工作原理，先用通俗语言，再用技术语言说明。

用通俗语言：当您保存故事时，InnerLight 获取您的私人回访码，并通过一个刻意设计为缓慢的数学过程将其转化为唯一的数字密钥。然后用该密钥彻底锁定您的文字，使存储结果看起来像随机噪声。只有您的码才能再次生成该密钥。我们从不保留您的码，因此我们永远无法解锁您的故事——入侵服务器的任何人也同样无法做到。如果您丢失了密码，数据将永久消失。这是真正隐私的代价：锁是真实的，而您持有唯一的钥匙。

用技术语言，面向审阅者：AHP 使用 AES-256-GCM 加密每个有效载荷——即 256 位伽罗瓦/计数器模式高级加密标准，一种认证密码，既保护机密性（无人可读），也保护完整性（篡改可被检测）。密钥通过 PBKDF2-HMAC-SHA256，390,000 次迭代加上随机盐从用户的回访码派生——这是一种刻意缓慢的密钥拉伸函数，使暴力猜测的成本极为高昂。每次加密使用全新的随机 nonce，协议版本作为已认证关联数据绑定其中。密钥从不写入磁盘；只有密文、盐和 nonce 被存储。这是面向运营者的零知识设计：InnerLight 持有其无法读取的加密字节。

如实说明局限性：使用强密钥派生的 AES-256-GCM 是健壮的现代密码学，但尚未达到后量子水平。已记录的未来强化路径是在已认证对称加密旁边增加后量子密钥交换层（例如 ML-KEM / Kyber）。我们公开说明这一点，而非夸大其保护能力。

8. 我们测量什么，以及我们如何保持诚实

InnerLight 记录匿名的、汇总的研究指标，围绕公认的数字健康框架设计：使用率、参与度、会话时长、坚持性和完成率，以及表情变化、声音响应、自我报告的平静度（无文字的自我评估人体模型量表），以及与每位用户自身基线相比的心率趋势。每次心率读数均附有置信等级，以确保覆盖完整而不夸大精度。我们明确遵循科学方法：可证伪的假设、已陈述的预测、收集数据的工具，以及对复现和同行评审的承诺。

9. 使命的证据——替代性危机响应

InnerLight 的北极星是成为处于危机中的人的可信第一联络——一条通往真正帮助的路径，而不以武装响应开始。这不是孤立的想法；这是一个有据可查的全国性运动，拥有不断增长的证据基础。InnerLight 是通向该运动的平民软件前门：它将人们引向以关怀为先的人类响应者，只有在需要立即应对人身危险时才引向 911。

Dee T.S., Pyne J. (2022). “A community response approach to mental health and substance abuse crises reduced crime.” Science Advances, 8(23). (Denver STAR: 34% reduction in low-level offenses in served neighborhoods.)

RTI International (2026). Quasi-experimental evaluations of Durham’s HEART and Greensboro’s BHRT programs: unarmed response teams matched police response times, reduced arrests, and increased connections to supportive services.

Human Rights Watch (2026). “Self-Determination is the Pathway to Liberation” — national assessment of non-police, consent-based, rights-respecting crisis response programs.

Vera Institute of Justice (2022). Civilian Crisis Response Toolkit — documents community distrust of police-linked emergency lines and recommends crisis access points disconnected from traditional public-safety systems.

Center for American Progress & Law Enforcement Action Partnership (2020). Analysis of 911 calls in eight major cities: up to 68% could be handled without an armed officer.

National portrait of nonpolice alternative response programs (2024): 216 programs operational across the United States.

NBER Working Paper 34344: willingness-to-pay analysis finding the public places higher value on active civilian-led crisis interventions.

10. 诚实地服务每种语言——带质量评判的翻译

InnerLight 以八种语言为用户提供服务。安全和法律内容的机器翻译须达到已发布的研究标准：每张已翻译的法律指引卡和口头交接内容在用户看到之前，都须通过独立模型评判的语义等价性和自然表达评分，以 0.8 作为接受标准。低于该标准的内容将被搁置而非显示错误内容。每一个新语言界面字符串还须等待母语者审查，该状态记录在我们的代码库中。若设备没有所选语言的语音，InnerLight 将保持静默而非使用错误语言朗读——文字仍显示在屏幕上。

LLM-as-a-Judge reference-less quality estimation for machine translation, with a ≥0.8 semantic-equivalence acceptance threshold (arXiv:2503.24102).

Enomoto et al. “From LLM to NMT: Advancing Low-Resource Machine Translation with Claude” (arXiv:2404.13813) — documents where large language models still lag specialized systems on low-resource language pairs, the reason a verification pass is required.

In-context machine translation for low-resource languages (arXiv:2502.11862) — documents rare-word failure modes in underrepresented languages.

11. 麦克风读取的内容——语音韵律

在获得用户麦克风权限后，InnerLight 在设备端测量四个经典韵律描述符：整体声能（RMS）、音高变异性（在滚动窗口上通过自相关估算的基频）、语速（有声片段转换）以及 4–8 Hz 幅度调制估算。这些是语音情感文献中长期确立的情绪唤醒声学相关指标。用于分析的原始音频不会离开浏览器；只有这四个数值被传输，它们用于引导舒缓音乐，且不会被存储。我们的归一化常数是工程估算值，在源代码中如实标注，待与已标注录音集进行校准——这与我们的原则一致：任何未经验证的内容不得呈现为真值。

Schuller B.W. (2018). “Speech emotion recognition: two decades in a nutshell, benchmarks, and ongoing trends.” Communications of the ACM, 61(5), 90–99.

Zennou H., Ouadad R., Ouhda M., Baslam M. (2026). “Real-Time Speech Emotion Recognition with a CNN-BiLSTM-Attention Deep Learning Model.” Engineering, Technology & Applied Science Research, 16(3) — the current direction of the field our simpler, on-device measures are designed to grow toward.

12. 任何语言中的安全信号

保护性检测——识别写作者可能是未成年人、可能正以本工具替代人际联系，或可能处于危机中——不应取决于其所使用的语言。在非英语会话中，这些信号由理解模型本身读取，该模型能读懂用户自己的语言，而非依赖仅限英语的短语列表。在设计上，不确定的读取只会提高关怀级别，而不会降低它，模糊的陈述会收到关怀性的追问，而非一个判断。

Vasan A., Stanford Brainstorm — on substitution as the primary risk of AI mental-health tools and the duty to escalate to humans (as quoted in Gold, Inside Higher Ed, 2026).

Common Sense Media — research on adolescent use of AI for mental-health advice, informing InnerLight’s heightened minor protections.

13. 在等待中维持注意力——参与引擎

帮助可能需要十五分钟到一小时才能到达。InnerLight 的陪伴功能旨在在整个等待过程中维持用户的真实参与——在安慰、小型感官活动、共同故事，以及（当用户邀请时）温和幽默之间轮换。活动选择遵循证据：在急性痛苦期间，陪伴者提供感官和视觉空间微任务，因为急诊室研究表明此类任务能减少创伤后数小时内的侵入性记忆，而在同一时间窗内进行问答式语言游戏则可能使侵入加剧。文字游戏和故事游戏只有在用户平静下来后才会开放。每次邀请都是单次的、可选的，并融入对话中——而非菜单式呈现。

Iyadurai L., Blackwell S.E., Meiser-Stedman R., et al. (2018). “Preventing intrusive memories after trauma via a brief intervention involving Tetris computer game play in the emergency department: a proof-of-concept randomized controlled trial.” Molecular Psychiatry, 23, 674–682.

Holmes E.A., James E.L., Kilford E.J., Deeprose C. (2010). Key finding: a visuospatial game reduced flashbacks post-trauma while a verbal quiz game did not — and in one experiment increased them. Not all engagement is beneficial engagement; activity choice must follow the evidence. PLoS ONE, 5(11): e13706.

Multilab replication (2025), Collabra: Psychology, 11(1): evidence that the visuospatial task reduces intrusions immediately — the exact window InnerLight serves — with weaker evidence for effects days later.

ANTIDOTE line of work (2024–2026): AI-guided, personally tailored imagery-competing task interventions with physiological monitoring — the research direction InnerLight’s conversational activity guidance follows.

以上引用参考了支持 InnerLight 所应用原则的已发表同行评审文献。它们并不构成 InnerLight 本身有效性的证据；该评估正在进行中。完整参考资料可应要求提供。