多模态数据批量处理方法、终端设备以及介质与流程

本申请涉及人工智能，提供了一种多模态数据批量处理方法、终端设备以及介质。

背景技术：

1、在基于人工智能的多模态数据批量处理与内容生成领域，系统通常需要通过前端数据表来导入海量的业务数据以驱动后续工作流的执行。现有的数据处理系统普遍采用基于固定模板的数据导入与基础格式判断相结合的处理方式。

2、然而，在这种传统的处理模式下，前端数据表与后端工作流之间往往仅存在单向且静态的绑定关系。当工作流的节点参数或变量配置逻辑发生调整时，已生成的数据表结构无法实现动态的适应性同步更新，极易导致前端录入数据与后端工作流参数之间产生断层与不匹配；同时，现有的多模态数据校验机制通常仅停留在基础的文件大小、链接有效性等表层格式判断上，缺乏针对多模态素材内容深层语义一致性的感知与检测能力。这种数据结构固化以及校验维度单一的缺陷，导致在复杂多变的内容生产场景中，系统难以阻断包含语义错误的无效数据流入后续环节，进而造成批量内容生成任务的失败率较高。

技术实现思路

1、本申请提供了一种多模态数据批量处理方法、终端设备以及介质，用于解决造成批量内容生成任务的失败率较高的技术问题。

2、为解决上述问题，提供如下技术方案：

3、一种基于工作流的多模态数据批量处理方法，方法包括：

4、获取目标工作流的工作流元数据，解析工作流元数据以提取变量参数，并基于变量参数构建对应的数据表结构；

5、建立数据表结构与工作流元数据之间的双向同步通信通道；

6、获取针对数据表结构输入的多模态批量数据；

7、通过双向同步通信通道监测工作流元数据与多模态批量数据之间的变更事件，并基于变更事件对数据表结构或工作流元数据执行同步更新处理；

8、对同步更新后的多模态批量数据执行包含格式校验、有效性校验以及内容语义校验的多层数据校验处理；

9、基于校验通过的多模态批量数据，触发预设生成引擎执行批量内容生成任务。

10、一种终端设备，包括存储器及处理器，所述处理器执行存储在所述存储器上的计算机程序时实现如所述方法的步骤。

11、一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如所述方法的步骤。

12、该申请中，通过获取工作流元数据提取变量参数以构建数据表结构，建立工作流与数据表间的双向同步通信通道，并在获取多模态批量数据后基于双向监测到的变更事件实时进行数据与结构的双向同步更新，最后辅以包括格式、有效性及深度内容语义在内的多层数据校验后触发内容生成，利用基于长连接协议的动态元数据双向绑定机制以及依托大模型的多模态防错拦截架构，攻克了传统生成系统中数据结构与工作流参数脱节、单向绑定所导致的批量生成大规模失败难题，使得结构同步效率提升；同时，深度语义校验提前过滤了传统技术无法察觉的内容不一致等隐蔽错误，将多模态素材的校验准确率提升至极高水平，降低了批量内容生成任务的失败率。

1.一种基于工作流的多模态数据批量处理方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述基于所述变更事件对所述数据表结构或所述工作流元数据执行同步更新处理，包括：

3.根据权利要求1所述的方法，其特征在于，所述对同步更新后的所述多模态批量数据执行包含格式校验、有效性校验以及内容语义校验的多层数据校验处理，包括：

4.根据权利要求3所述的方法，其特征在于，所述将所述多模态素材内容及所述文本描述输入预设的多模态内容理解模型，以通过所述多模态内容理解模型计算所述多模态素材内容与所述文本描述之间的语义一致性置信度，包括：

5.根据权利要求4所述的方法，其特征在于，在从所述多模态内容理解模型输出的结构化响应数据中解析提取出所述语义一致性置信度及对应的特征校验明细数据之后，所述方法还包括：

6.根据权利要求1所述的方法，其特征在于，在执行所述多层数据校验处理之前，所述方法还包括：

7.根据权利要求1所述的方法，其特征在于，所述获取针对所述数据表结构输入的多模态批量数据，包括：

8.根据权利要求1所述的方法，其特征在于，所述获取针对所述数据表结构输入的多模态批量数据，包括：

9.一种终端设备，包括存储器及处理器，其特征在于，所述处理器执行存储在所述存储器上的计算机程序时实现如权利要求1至7任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。