本发明涉及视频直播控制技术领域，尤其涉及一种基于移动网络的教学视频直播控制方法。所述方法包括以下步骤：通过系统直播设备的异构传感器组获取异构数据流；对异构数据流进行时空对齐校准预处理，得到时空对齐多模态数据；对时空对齐多模态数据进行多模态数据融合，得到多模态同步数据流；对多模态同步数据流进行跨模态特征对齐，得到跨模态对齐特征数据；根据跨模态对齐特征数据进行教学场景知识图谱化，得到教学场景知识图谱。本发明通过数据驱动、智能协同的控制方式克服了传统直播系统的不足，提升控制策略的适应性和设备协同的效率，允许非专业人员例如教师通过简单的交互方式参与控制，降低了操作门槛，改善教学直播的用户体验。