一种基于AI生成个性化口播的方法、装置、设备和介质

本发明提供一种基于AI生成个性化口播的方法、装置、设备和介质，方法包括：将口播数据以及设置的提示词输入至多模态模型中；所述口播数据包括原始文本以及对应的场景图片；多模态模型输出设定输出格式的标识文本，所述标识文本包括设定标识；将所述标识文本进行分割，通过语音模型生成对应的音频文件；若所述音频文件仅一个，则完成生成；否，则将其进行拼接，完成生成，可以根据用户需求生成对应的音频，降低了用户的时间成本。