视频会议多模态实时摘要生成方法

本发明涉及视频会议数据处理技术领域，公开了视频会议多模态实时摘要生成方法，该方法通过同步采集会议的音频流、视频流及文字聊天记录，经预处理转换为时间对齐的文本、关键帧序列及有效聊天内容；随后提取文本语义特征、视觉场景特征及交互意图特征，通过多模态融合模型进行跨模态关联分析，生成融合特征集合；基于此识别核心议题、关键结论及行动项，按时间顺序和重要程度结构化组织，形成实时摘要并动态更新。该方法整合多维度信息，解决了传统单一模态摘要的片面性问题，提升了摘要的完整性、准确性与时效性，助力参会者实时掌握会议重点，提高会议效率与决策质量。