不良言论音视频多模态深度学习方法和人工智能治理系统，利用深度学习模型识别音视频中的不良言论，根据，递进式地识别，既能利用文本、音频、视频智能检测模型在速度上的差异，来尽快地检测到容易检测的不良言论，又能综合音视频中多模态信息递进地调用音频、视频智能检测模型，来提高识别准确率，降低漏检率；同时，自动地修正音视频中的不良言论供用户参考，并且将用户修正后的音视频用于增量训练和测试智能修正模型，从而能够不断提高智能修正模型的准确率。