随着科技的不断进步以及互联网的广泛使用,语言不再是唯一构建意义的一种方式,图像,声音,颜色等其它非语言模态也越来越广泛地参与意义的构建,因此,为了能更好地理解不同模态在意义构建中所起的作用,20世纪90年代多模态话语分析开始兴起。本文选择2012年奥巴马竞选视频作为语料,这是典型的多模态语料,其中包括了语言,图像,音乐,字幕等。文章主要研究该视频里最主要的两个模态,语言和图像,分别探讨语言和图像如何构建人际意义。首先,运用韩礼德的系统功能语法和马丁的评价理论来进行语言中人际意义的分析；其次,运用Kress和Van Leuween的视觉语法来分析图像的人际意义；最后,该研究将探讨语言和图像之间的相互关系以及它们是如何共同构建整体意义。本文将采用定量和定性这两种研究方法,但以定量研究为主。在分析语言中的人际意义时,首先,就语气、情态和态度系统中的资源用简单的数据进行呈现,然后再进行定性的分析；另外,电影切割方法会运用到对图像的分析,使其更合理可行。通过研究发现,该视频的语言和图像分别表达一定的人际意义,说服潜在的选民为奥巴马投票；同时,它们之间也存在着详述,解释和互相补充的关系。不同模态的相互作用构成了该视频的整体意义。本文验证了系统功能语法,评价理论以及视觉语法在分析竞选视频人际意义的可行性和实用性；其次,本文将帮助读者更好地理解这类的竞选视频是如何影响大众的政治观点,同时,为以后制作同一类型的视频将有借鉴作用。