一种基于跨模态语义映射的图文视频生成方法及系统

本发明提供一种基于跨模态语义映射的图文视频生成方法及系统，涉及数据处理技术领域，所述方法包括：步骤1，输入产品描述文本，执行层级语义解耦，提取核心对象名词、属性形容词及场景副词，构建分层级结构化语义树；步骤2，基于分层级结构化语义树，执行细粒度修饰语义的区域探索，识别属性形容词或场景副词的关联区域，为每个关联区域生成语义适配修正因子。本发明通过层级语义解耦、区域语义映射、跨模态特征融合及动态时空校准，实现产品描述文本到语义精准、时序连贯的动态视频自动化生成，确保视觉效果与文本语义一致。