音唇同步检测方法和装置、电子设备、存储介质

本申请提出的音唇同步检测方法和装置、电子设备、存储介质，涉及人工智能技术领域，适用于金融科技领域及医疗健康领域。该方法包括：获取目标音视频数据，目标音视频数据包括目标混合音频和目标人脸视频序列；对目标混合音频进行音频编码，得到目标混合音频特征；通过目标语音编码模型对目标混合音频进行语音编码，得到目标说话人多模态特征；对目标人脸视频序列进行视觉编码，得到目标视觉特征；根据目标混合音频特征、目标说话人多模态特征和目标视觉特征进行特征融合，得到目标音唇特征；对目标音唇特征进行音唇同步分类，得到音唇同步类别。本申请能够降低音频中的噪声对音唇同步检测的不良影响，提高了音唇同步检测的准确性。