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，属于视频生成技术领域，适用于金融科技领域。该方法包括：获取样本视频和样本视频生成指示文本；基于预设视频生成模型、预设的时间步数据和样本视频进行自注意力噪声扩散，得到目标噪声；基于预设视频生成模型、时间步数据、样本视频生成指示文本对目标噪声进行语义融合，得到语义噪声；根据预设掩码对语义噪声进行数据拼接，得到掩码噪声；根据掩码噪声和样本视频对预设视频生成模型进行训练，得到目标视频生成模型；获取目标视频生成指示文本，根据目标视频生成模型对目标视频生成指示文本进行视频生成。本申请实施例能够基于文本生成上下连贯的视频。