基于大模型的视频交互方法、装置、电子设备和介质

本公开提供了一种基于大模型的视频交互方法、装置、电子设备和介质，涉及人工智能技术领域，尤其涉及大模型、自然语言处理和图像处理技术领域。实现方案为：在基于大模型的视频交互过程中，获取输入的交互输入数据和目标文件，其中，交互输入数据包括语音数据、图像数据和视频数据中的任一项；通过大模型处理交互输入数据和目标文件，以确定交互输出数据；以及输出交互输出数据。