一种文本生成粤剧视频的方法、装置、电子设备及介质

本申请涉及计算机视觉和人工智能技术领域，尤其涉及一种文本生成粤剧视频的方法、装置、电子设备及介质。本申请通过从输入视频中计算出反转潜变量；将所述反转潜变量输入经过微调时间注意力层的所述关键帧生成模块，得到关键帧序列；所述关键帧序列包括运动信息；将所述关键帧序列输入所述时间插值模块，得到扩展帧序列；将所述扩展帧序列输入所述空间超分辨率模块，得到目标粤剧视频。这样，通过经过时间微调的文本生成视频扩散模型中的关键帧生成模块来实现定制化运动的视频生成，可以准确复现目标视频的运动，并且可以生成多样化的视觉变化。