本申请公开了一种融合多媒体的违规内容检测方法，该方法包括：多模态数据识别步骤、音频数据转换步骤、视频数据转换步骤及内容违规检测步骤；将待检测数据进行识别分类为视频数据、图像数据、文本数据及音频数据；音频数据通过语音识别算法转换成文本数据；视频数据分别提取音频序列和视频序列，针对音频序列使用语音识别算法转换文本数据，针对视频序列拆解为图片，采用图像处理算法模型，转换为图像数据，汇总输出所有的文本数据及图像数据；将汇总的文本数据及图像数据进行内容分类，并实现对包含正常、涉黄、涉政、广告、违禁、漫骂及暴恐违规内容的检测。本发明还公开了一种融合多媒体的违规内容检测系统。