音视频多模态联合鉴伪方法、装置、电子设备及存储介质

本申请提供了音视频多模态联合鉴伪方法、装置、电子设备及存储介质，包括：对音频信息进行语音活动检测处理得到多个语音活动音频，再对多个语音活动音频依次进行音频特征提取、音频片段起终点检测以及唇动生成，确定出音频表征向量、活动音频起终点序列以及语音驱动生成的唇动序列；对图像信息进行唇动检测、唇动起终点检测以及人脸特征提取，确定出人脸唇动序列、唇动活动起终点序列以及人脸表征向量；对音频表征向量、活动音频起终点序列、语音驱动生成的唇动序列、人脸唇动序列、唇动活动起终点序列以及人脸表征向量进行一致性检测融合处理，确定出目标视频的真伪类别，从而实现了利用双模态信息间的相关性进行鉴伪工作提升了鉴伪算法的性能。