一种用于视频字幕生成的上下文语义调制方法及系统

本发明提供了一种用于视频字幕生成的上下文语义调制方法，属于视频字幕生成领域。为了解决现有上下文语义调制方法中，存在语义对齐效果不佳，且容易忽略关键信息的问题。本发明通过整合每个输出token的上下文信息，进一步学习token间的动态注意力权重，从而实现待生成token与已生成token之间的细粒度语义对齐；该方法不仅能够更有效地建模语义关联，还能自适应地调整关键信息的语义权重，从而增强重要特征的表示，避免关键信息被忽略。