视频生成方法和装置、电子设备及存储介质

本申请实施例提供了一种视频生成方法和装置、电子设备及存储介质，属于金融科技和人工智能技术领域。该方法包括：通过双向注意力层对分词文本序列进行视频帧预测，得到初始视频帧；对初始视频帧进行分词，得到分词视频序列；通过自回归层对分词文本序列及分词视频序列进行视频序列预测，得到目标视频序列；根据目标视频序列生成目标视频。本申请首先通过对分词文本序列进行视频帧预测，提高了视频生成内容的相关性；其次，对初始视频帧进行分词，为后续的视频预测提供了丰富的信息表示；最后，对分词序列进行视频序列预测，并生成目标视频，能够实现通过多次迭代逐步构建视频，确保生成的视频在时间上的连贯性，有效提高了视频生成的准确性。