一种面向多模态的多音频生成方法、装置、设备及介质

本发明公开了一种面向多模态的多音频生成方法、装置、设备及介质，包括：对多模态输入进行任务分解，得到第一音频脚本集合；根据第一音频脚本集合的完整性评估结果，对第一音频脚本集合进行优化，得到第二音频脚本集合；根据第二音频脚本集合中的各音频脚本的类型，为各音频脚本分配一个音频生成模型，得到第一音频生成模型集合；根据第一音频生成模型集合的适配性评估结果，对第一音频生成模型集合进行优化，得到第二音频生成模型集合；由第二音频生成模型集合进行音频生成，得到音频集合；根据音频集合的准确性评估结果，对音频集合进行优化，生成多模态输入对应的多音频输出。因此，通过实施本发明，能够实现高质量的面向多模态的多音频生成。