20世纪90年代至今,多模态的研究速度不断加快、队伍不断壮大、领域不断延伸。然而,当前的研究多集中于静态语篇分析,例如海报、网站宣传页、教材等,鲜有涉及动态语篇。英语演讲是典型的动态多模态话语,鉴于以前的研究以文本分析为主,本研究选取了主题相似、时长相近的两场演讲视频—“2016年国际公众演讲比赛冠军视频”,和“西北农林科技大学公众演讲课某同学视频”为语料,以Halliday的系统功能语言学,Kress&van Leeuwan的视觉语法理论,张德禄的模态间关系为理论基础,借助Elan多模态视频分析软件,采用定量定性的研究方法。研究问题包括:1)两位演讲者的模态使用有无差异;2)两位演讲者演讲词的三大元功能,和视觉模态的三大元功能有无差异;3)两位演讲者构建的视觉模态,和听觉模态之间关系有无差异。研究发现:1)与国际英语公众演讲比赛冠军(下文简称冠军)相比,学生的模态分布密度不平衡,模态多样性稍显逊色;2)构建概念意义,口头模态上,冠军主要构建了物质过程和心理过程,并通过重读、慢速、停顿,和实物(短裤)展示引出和强调主题。学生,口头言语模态主要使用存在过程和活动过程。在突出重点时,只采用了重读,没有其他视觉模态的加强。其中,口头语言模态是主模态,其他模态与其形成互补的关系,实现演讲概念意义的生动有效传达;3)构建多模态的人际关系,冠军使用了“let us”、“we”、“my friends”来缩短与听众的心理距离,“Mr.Chair”表示对主席的尊重,“biological insulation”表达对恶霸的厌恶,并结合视觉模态上的舞台上来回走动,弯腰,面部表情的微笑,眼神交流等与观众产生互动,强化人际意义。而学生主要依靠口头模态“we”,观众处于一定的被动状态,缺少互动;4)冠军主要从两方面构建谋篇功能。从宏观方面而言,舞台幕布的设计,选手的服装等将演讲者自身凸显出。微观方面,口头模态的“词群/句群”、连接词等实现演讲文本的衔接。此外,高抬手、展开双臂等幅度大的动作,将视觉语法的信息值凸显出来。但学生主要依赖口头模态的衔接词,忽略了视觉模态的互补作用。本文的研究结果,丰富了多模态话语分析理论,在研究对象和研究方法上也有一定的创新,并对演讲教学有一定的启示。