视频生成方法、装置、电子设备、存储介质及程序产品

本申请提供了一种视频生成方法、装置、电子设备、存储介质及程序产品，涉及计算机视觉技术领域，通过获取目标文本，目标文本用于指示视频的生成；调用已训练的目标视频生成模型基于目标文本生成目标视频，目标视频包括多帧目标视频帧，任一目标视频帧的第一区域的内容是根据目标文本生成的，任一目标视频帧的第二区域包括透明元素，这样，能够在用户输入文本后，输出第一区域有内容但第二区域包括透明元素的视频，这样不需要用户再利用一些应用程序提取视频的部分内容，从而提高用户体验。