1.一种视频通话方法，其特征在于，包括：
接收第一终端发送的第一语义信息；所述第一语义信息为所述第一终端对应的第一用户和第二终端对应的第二用户在进行视频通话过程中，所述第一终端确定网速小于预设值的情况下，对采集的第一视频流进行语义理解得到的；
基于所述第一语义信息和所述第一用户的人脸模型，生成第二视频流；
将所述第二视频流发送至第二终端。
2.根据权利要求1所述的视频通话方法，其特征在于，所述方法还包括：
接收所述第一终端发送的至少一张目标图像；所述目标图像为所述第一用户和所述第二用户在视频通话过程中，所述第一终端设备在网速大于或等于所述预设值的情况下采集的图像，所述目标图像中包括所述第一用户；
将各所述目标图像输入三维人脸重建模型中，得到所述三维人脸重建模型输出的第一用户的人脸模型。
3.根据权利要求1所述的视频通话方法，其特征在于，所述第一语义信息包括所述第一用户的语音信息对应的文本信息和所述第一用户的表情信息；
所述基于所述第一语义信息和所述第一用户的人脸模型，生成第二视频流，包括：
将所述第一用户的文本信息转换为所述第一用户的语音信息；
基于所述第一用户的表情信息和所述语音信息驱动所述人脸模型，得到人脸视频；
将所述人脸视频和所述语音信息添加至预设视频模板中，得到所述第二视频流。
4.根据权利要求3所述的视频通话方法，其特征在于，所述第一语义信息还包括所述第一用户在视频通话过程中所处的环境信息；
所述将所述人脸视频和所述语音信息添加预设视频模板中，得到所述第二视频流，包括：
基于所述环境信息，更新所述预设视频模板的预设环境信息，得到目标视频模板；
将所述人脸视频和所述语音信息添加至所述目标视频模板中，得到所述第二视频流。
5.根据权利要求1‑4任一项所述的视频通话方法，其特征在于，所述方法还包括：
在所述第一用户和所述第二用户结束视频通话后，获取在预设历史时长内所述第一用户的视频通话次数；
确定所述视频通话次数中所述第一终端的网速小于所述预设值的目标次数；
在所述目标次数大于预设次数的情况下，保存所述第一用户的人脸模型。
6.根据权利要求1‑4任一项所述的视频通话方法，其特征在于，所述方法还包括：
在预设时长内未接收到所述第一语义信息或所述第一视频流的情况下，确定是否接收到所述第一终端发送的视频通话结束指令；
在未接收到所述第一终端发送的所述视频通话结束指令的情况下，基于所述第一用户和所述第二用户的视频通话内容，确定与所述视频通话内容匹配的目标预设视频；
将所述目标预设视频发送至所述第二终端。
7.一种视频通话装置，其特征在于，包括：
第一接收单元，用于接收第一终端发送的第一语义信息；所述第一语义信息为所述第一终端对应的第一用户和第二终端对应的第二用户在进行视频通话过程中，所述第一终端确定网速小于预设值的情况下，对采集的第一视频流进行语义理解得到的；
生成单元，用于基于所述第一语义信息和所述第一用户的人脸模型，生成第二视频流；
第一发送单元，用于将所述第二视频流发送至第二终端。
8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述视频通话方法。
9.一种视频通话系统，其特征在于，包括视频服务器、第一终端和第二终端；
所述第一终端，用于在所述第一终端对应的第一用户和第二终端对应的第二用户在进行视频通话的过程中，确定网速小于预设值的情况下，对采集的第一视频流进行语义理解，得到第一语义信息，并将所述第一语义信息发送至所述视频服务器；
所述视频服务器，用于基于所述第一语义信息和所述第一用户的人脸模型，生成第二视频流，并将所述第二视频流发送至所述第二终端；
所述第二终端，用于显示所述第二视频流。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述视频通话方法。