La implementación de esquemas de codificación conjunta fuente-canal (JSCC) utilizando aprendizaje profundo ha acelerado el desarrollo de la investigación en comunicación semántica. Los esquemas JSCC existentes basados en aprendizaje profundo (DL) se entrenan en una relación señal-ruido (SNR) fija; sin embargo, estos modelos entrenados no están diseñados para escenarios en los que la SNR es dinámica. Por lo tanto, se propone un nuevo modelo semántico adaptativo para la comunicación semántica llamado codificación conjunta fuente-canal con modelos adaptativos (AMJSCC) que tiene un módulo de selección de modelos adaptativos semánticos (SAMS). El modelo de codificación conjunta fuente-canal (JSCE) y el modelo de decodificación conjunta fuente-canal (JSCD) se adaptan según las condiciones del canal en tiempo real y los recursos de potencia computacional disponibles en el sistema. Además, se investigan redes residuales con diferentes capas para mejorar aún más la precisión de la recuperación de información. Los resultados de la simulación demuestran que nuestro modelo puede lograr una mayor similitud de recuperación y es más robusto y adaptable a la SNR y a los recursos de comunicación. Mientras tanto, en comparación con los métodos JSCC profundos de vanguardia, reduce el espacio de almacenamiento y el consumo de recursos de comunicación.