一种音唇同步识别方法、装置、计算机设备及存储介质

本申请实施例属于音视频图像处理技术领域，涉及一种音唇同步识别方法、装置、计算机设备及存储介质，该方法包括：首先，通过视觉3D卷积网络提取视频的视觉特征，同时利用音频2D卷积网络提取音频特征；这两种特征分别捕捉了唇形变化和语音信息；然后，本发明巧妙地运用门控循环神经网络，将视觉和音频特征进行深度融合，生成全局特征；最后，基于融合后的特征，通过音唇同步分类器进行识别。本申请能够有效捕捉音频与唇形之间的时序关系，大大提高了音唇同步识别的准确性，为视频质量评估和异常检测提供了可靠的技术支持。