多模态情绪识别方法、装置、电子设备、存储介质及产品

本申请实施例提供了一种多模态情绪识别方法、装置、电子设备、存储介质及产品，涉及情绪识别技术领域。该方法包括：获取待识别音视频，待识别音视频包括音频流和视频流，对音频流进行分段，得到至少一个音频段，将各音频段输入音频识别模型，得到音频识别结果，根据音频识别结果为情绪结果的目标音频段，在视频流中确定对应的视频段，将视频段输入视频识别模型，得到视频识别结果，基于音频识别结果和视频识别结果，确定待识别音视频的目标情绪结果。本申请实施例使用视频情绪识别辅助音频情绪识别完成对于音视频的情绪识别，避免单一音频识别可能出现的错误，能够提高识别准确性。