音频文件生成方法及装置

本发明实施例公开了一种音频文件生成方法及装置。本发明实施例会在接收到音频生成指令后，获取多模态参考信息，并调用与多模态参考信息匹配的至少一个目标大语言模型对多模态参考信息进行意图识别以确定目标音频生成需求，再根据目标音频生成需求确定对应的歌曲描述和曲谱描述，进而根据歌曲描述和曲谱描述生成目标音频文件。其中，所述目标音频生成需求用于表征对于音频文件的生成需求。由此，通过支持多模态参考信息输入，并根据多模态参考信息生成目标音频文件，本发明实施例可以确保所生成的音频文件能够满足用户需求，从而提升用户体验。