文本输入生成动态三维视频的方法、装置、电子设备及存储介质

本公开关于一种文本输入生成动态三维视频的方法、装置、电子设备、计算机存储介质以及计算机程序产品，所述方法包括：获取文本数据，并基于文本数据生成满足文本数据的描述内容的参考视频；以文本数据和参考视频中的参考图片作为约束条件，生成满足文本数据描述和参考图片的静态三维模型；基于静态三维模型，确定动态信息生成模型；基于混合先验优化策略对动态信息生成模型优化监督，并基于优化监督后的动态信息生成模型，生成文本数据对应的三维视频；混合先验优化策略包括参考视频的直接先验和扩散模型的蒸馏先验。采用本方法，增强了三维视频的动态效果。