交互方法、装置、电子设备及存储介质

本公开提供了一种交互方法、装置、电子设备及存储介质，涉及人工智能技术领域，具体为计算机视觉、深度学习、大模型等技术领域，可应用于数字人、基于人工智能的内容等生成场景。方案为：接收用户问题，并根据用户问题生成对应的应答语音；获取视频素材中的多个候选交互时机；其中，候选交互时机下目标对象在视频素材对应的音频内容中语义停顿；根据用户问题的接收时间，从多个候选交互时机中确定目标交互时机；响应于到达目标交互时机，播报应答语音，并暂停播放视频素材和音频内容，同时播放与应答语音适配的目标交互视频片段。