Semantic Space Theory

官网未公开具体价格与付费方案，文章本身是一篇介绍 SST 方法的科普与研究方法说明，并未列出任何费率。如果需要把它驱动的商业产品接入业务，具体费用需以官方页面为准。

官网文章把它描述为一种归纳式、数据驱动的方法，用计算手段把情绪映射成高维语义空间。研究覆盖自我报告体验、面部表情、语音韵律、非言语发声、音乐感受和古代艺术中的表情等领域，并发现需要 20 个以上维度来描述情绪。

如果你只需要愤怒、厌恶、恐惧、快乐、悲伤、惊讶这几个粗类别，basic 6 足够简单直接。但文章指出，即便是批评 basic 6 的研究者，也常因实际限制而只用这六类作为实验条件。若你想捕捉人们实际做出的复杂、细微情绪评价，SST 的高维语义空间思路会更合适。

未说明中国大陆的访问或使用情况。文章提到最近的研究在 5-6 个国家开展，但未列出具体国家名单，也没有提及地域限制或本地化支持。

不是。文章列出的语义空间研究涵盖自我报告体验、面部表情、语音韵律、非言语发声（vocal bursts）、音乐唤起的感受，以及古代艺术中描绘的表情，范围明显超出文字。

文章的做法是不预先假定只有 6 个类别定义情绪空间，而是用大量表达性和唤起性刺激开展实验，收集人们对广泛情绪、心理状态和非言语行为的反应，再用多维可靠性分析等统计建模判断需要多少维度。这些研究一致发现，需要 20 个以上不同维度才能刻画人们描述这些领域时使用的情绪。