视频会议音画同步方法及系统

本申请涉及音画智能同步领域，具体公开了一种视频会议音画同步方法及系统，其通过对接收并初步处理（如乱序重排、编解码）后的音频样本和视频流提取各自的深层语义特征—例如音频的梅尔频谱图语义特征和视频片段的语义特征，并利用图学习算法在这些高维语义特征之间进行匹配搜索。这种方法能够模拟人眼和人耳对音画内容关联性的感知，从而更准确地捕捉和量化两者之间的真实时间偏移，即使在传统时间戳可能失效或不准确的复杂场景下，也能精确估算出音画播放偏移量。最终，基于此偏移量对音视频数据块进行调整和渲染，旨在从根本上提升音画同步的精度和鲁棒性。