多模态内容生成方法、装置、电子设备及存储介质

本发明提供一种多模态内容生成方法、装置、电子设备及存储介质，通过接收用户上传的文档并进行内容提取；对提取的内容进行分块解析和语义重组，生成PPT文本大纲及对应的讲解脚本；根据所述PPT文本大纲匹配或动态生成视觉素材，得到初版PPT；对所述初版PPT进行迭代优化，将优化后的PPT与所述讲解脚本进行合成以得到讲解视频，能够处理复杂结构化文档或非结构化内容，确保生成的大纲条理清晰、内容准确，并且，通过迭代优化，输出符合视觉美学的多模态内容。