本文以自建语料库作为研究样本,包括四段时长为20-40分钟的汉语普通话使用者的面对面多方自然会话互动视频及音频样本,依据汉语互动的多模态分析方法,结合实验语音学的研究方法,针对汉语多方会话中说话人主动让出话轮的互动行为进行多模态研究,并尝试展示其多模态作用机制与组合机制,证明汉语互动的多模态本质。经过初步探索发现:（1）在词汇-句法层面,说话人主动让出话轮时可能采用的较强势的词汇-句法结构包括有标记疑问句和指称语,较弱势的词汇-句法结构即无标记的语法临界。（2）在韵律层面,说话人主动让出话轮时可能配置的较强势的韵律特征是末尾升调和末尾较长的无声段,较弱势的韵律特征是与陈述句语调类似的末尾平降调。（3）在视觉-身体行为层面,说话人主动让出话轮时通常会伴随一个眼神的环视或凝视,另外还可能产出强调性、指示性、结束性和把持性手势,身体前倾、侧倾、后仰和身位拔高等身势变化,以及疑惑惊讶类、意味深长类面部表情。（4）在互动的多模态层面,互动的多模态本质决定了说话人主动让出话轮时,通常会配置多种模态资源,生成较强势的或较弱势的多模态组合机制,多种模态资源将以互强作用或补偿作用的机制起作用,以促成话轮主动让出。在某些互动情景下,韵律和视觉-身体行为的重要性会超过词汇-句法结构,成为决定会话走势的关键资源。