视频生成方法、视频生成装置、设备以及计算机存储介质

本申请提出一种视频生成方法、视频生成装置、视频生成设备以及计算机存储介质。所述视频生成方法包括：获取若干模态的输入数据；提取每一种模态输入数据的单模态特征；将若干单模态特征映射到同一维度的潜在表示空间，获取若干潜在模态特征；将所述若干潜在模态特征融合，得到融合模态特征；利用所述融合模态特征，生成目标视频。通过上述视频生成方法，利用映射到同一维度的潜在表示空间将多模态特征实现统一处理，在多模态输入之间建立有效的融合机制，提高多模态信息之间的高效互补和联合表征，有利于生成目标视频的准确性。