本发明公开了一种基于Transformer的多模态情感分析方法，其实现步骤为：获取训练样本集、验证样本集和测试样本集；构建多基于Transformer的多模态情感分析模型；对多模态情感分析模型进行迭代训练；获得多模态情感分析结果。本发明采用Bert和ViT预训练模型对文本和视觉模态的数据进行特征提取，基于t的多头注意力模块使视觉和音频数据更专注与文本相关的信息，跨模态Transformer模块和单模态标签预测模块使融合特征表示具有统一性和差异性信息，避免了现有技术中因为忽略不同模态对情感分析贡献度不同、单模态缺少长期依赖，导致情感分析准确度较低的技术问题，有效地提高了多模态情感分析的准确度。