教学互动抢答定位方法、装置、计算机设备及存储介质

本发明属于人工智能领域，涉及教学互动抢答定位方法、装置、计算机设备及存储介质，所述方法包括：获取视频帧序列的集合以及对应的混合音频文件；识别视频帧序列的集合中的关键帧，进行特征提取，并对混合音频进行短时傅里叶变换，再对音频进行特征提取；进行多模态融合生成频谱掩码；计算连续视频帧的动量信息并生成动量嵌入，根据频谱掩码进行频谱嵌入处理；输入动量感知Transformer模块，生成序列信息；进行残差融合，生成频谱掩码；生成可视化声源定位图。多模态融合提升定位准确性，动量嵌入与频谱嵌入增强时序敏感性，残差融合优化特征整合，可视化声源定位图增强直观性，增强学习的互动性和趣味性，有助于提升教学效率与质量。