一种基于文本剪辑视频的方法及装置

本申请提供了一种基于文本剪辑视频的方法，包括：获取待处理视频及对应的解说文本，依据预设帧数间隔从所述待处理视频抽取图像帧，并确定所述图像帧对应的图像特征向量；其中，抽取的所述图像帧数量至少1帧；依据自然段落顺序从所述解说文本中选取一个未处理的目标解说词，并确定所述目标解说词对应的文本特征向量；依据所述文本特征向量和所述图像特征向量确定与所述目标解说词向量相似度最高的目标图像帧；基于所述目标图像帧对应的时序位置对所述待处理视频进行视频截取，生成目标剪辑视频。通过特征匹配实现解说词与图像画面精准关联，避免人工逐帧处理；基于目标图像帧进行视频截取，确保叙事完整性与跨片段连贯性。