基于文本的视频生成方法、装置、计算机设备及存储介质

本申请属于人工智能领域，涉及一种基于文本的视频生成方法，包括获取用于生成视频的目标文本，并根据目标文本的语义进行拆分，得到多个文本段落；根据文本段落的语义获取素材图片，得到素材图片集；根据目标文本的文本语义匹配视频模板，得到目标视频模板；计算每个文本段落的语音时长，并根据语音时长和目标视频模板对素材图片集中的图片进行视频编码，生成目标文本的目标视频。本申请还提供一种基于文本的视频生成装置、计算机设备及存储介质。本申请提高生成视频与目标文本的内容匹配程度，且自动化程度高，大大提高视频制作效率。