视频生成、模型的训练方法及系统

本说明书提供一种视频生成、模型的训练方法及系统。其在获得视频描述信息和N个语义扩展指令之后，基于预先训练好的视频生成模型中的语义特征生成网络对视频描述信息和N个语义扩展指令进行语义提取得到目标语义特征，并通过视频生成模型中的视频生成网络基于目标语义特征进行视频生成，得到并输出与视频描述信息的语义相符的目标视频。在该方法中，由于语义特征生成网络和视频生成网络在视频生成模型的训练过程中被联合训练过，因此语义特征生成网络可以生成更贴合视频生成网络需求的目标语义特征，视频生成网络可以更加准确地依据目标语义特征来生成高质量的目标视频，从而提高了视频生成模型的整体性能和目标视频的生成效果。