本发明提供了一种智能语义分析方法及系统，通过使用语音识别技术将视频中的音频信号转化为文字化表述的字符串数据Line，利用视频目标追踪技术划分视频的不同场景得到区分多个不同场景的多个时间标记作为集合Scnset，将字符串Line利用集合Scnset切分成多个字符作为集合Tokset，将集合Tokset中各元素通过中文切词算法进行切分得到多个字符串数组作为集合Stryset，计算主题词Key在Stryset各元素中的序列距离度，通过计算筛选出Stryset中序列距离度小于平均值的多个字符串数组，将筛选所得的多个字符串数组进行字符串拼接并在创建的文本文件保存，从而达到根据视频的音频识别得到字符文本进而对字符文本进行切分筛选精简出关键部分的效果。