一种模型训练方法、装置、设备、存储介质及程序产品

本申请实施例公开了一种模型训练方法、装置、设备、存储介质及程序产品，该方法包括：提取训练视频的时序视频帧级特征和空间视频帧级特征；将时序视频帧级特征输入目标图文大模型中的时序对齐模块，得到时序对齐的视频帧级特征；将空间视频帧级特征输入目标图文大模型中的空间对齐模块，得到空间对齐的视频帧级特征；根据时序对齐的视频帧级特征，空间对齐的视频帧级特征以及训练视频的问答对对目标图文大模型进行训练，得到视频理解模型。采用本申请实施例能够提升视频理解模型的训练效率。