语音质量预测方法、装置、电子设备、存储介质及产品

本发明提供一种语音质量预测方法、装置、电子设备、存储介质及产品，包括：获取待预测的视频通话结果的音频信号和视频信号；将音频信号输入多尺度音频特征融合模块，得到多尺度音频特征；将视频信号输入多尺度视频特征融合模块，得到多尺度视频特征；通过多尺度视频特征融合模块中的多尺度残差网络对视频信号的各尺度的视频特征进行处理，得到多尺度视频特征；根据多尺度音频特征和多尺度视频特征，预测视频通话结果的语音质量。本发明通过多尺度残差网络，挖掘视频信号中与语音质量相关的尺度和深度特征信息，使得特征信息更加全面多样，并通过结合多尺度视频特征结合多尺度音频特征进行语音质量预测，可以强化特征信息，提高语音质量预测效果。