基于多模态数据的文本生成方法、装置、设备和介质

本申请实施例提供了一种基于多模态数据的文本生成方法、装置、设备和介质，获取多模态数据和多模态数据对应的时间序列数据；提取多模态数据中的第一特征和时间序列数据中的第二特征；融合第一特征和第二特征，得到目标特征；根据目标特征，得到用于描述多模态数据对应的目标文本信息。本申请实施例通过分别提取多模态数据和时间序列数据的特征，并进行融合，避免了直接处理多模态时间序列数据，显著降低计算资源的消耗，提高处理效率，特别是在处理长序列数据时，能够有效应对计算复杂度高的问题。通过融合多模态数据和时间序列数据的特征，能够充分利用不同模态数据中的丰富信息，生成更为准确和详细的文本描述，从而提高文本生成的质量。