用于经由自动多模态图构造的基于知识的音频-文本建模的系统和方法

执行经由自动多模态图构造的基于知识的音频‑文本建模。接收音频数据集，所述音频数据集包括音频数据的片段，其中音频数据的片段中的每个与描述音频数据的相应片段的音频内容的对应元数据配对。从语义网络识别感兴趣的图节点，所述图节点描述音频数据集内容的知识领域的语义。将大语言模型(LLM)用于使元数据分类到图节点中，并用于为针对其不存在元数据的图节点推断补充数据，从而产生提取的知识图谱。利用LLM验证提取的知识图谱，以执行提取的知识图谱的图节点之间的边的关系验证，从而减轻补充数据的分类和推断中的幻觉效应。