本发明涉及内容摘要生成技术领域，具体为一种多模态视频内容摘要的自动生成方法，包括以下步骤：根据输入视频，将视频按预设时长分割为多项片段，对每一片段的图像帧进行目标检测获得视觉实体集合，对音频流进行分类识别获得音频事件集合，并从语音转录文...