视频生成方法、装置、计算机设备及存储介质

本发明实施例涉及一种视频生成方法、装置、计算机设备及存储介质，通过针对训练样本集合中的多个目标文本和对应的目标视频计算全局语义相似度、局部语义相似度矩阵和时序语义相似度，以用于计算综合对比学习损失函数；根据目标文本和对应的文本语义结构表示、以及目标视频和对应的视频语义结构表示计算语义保持对比损失函数；根据综合对比学习损失函数和语义保持对比损失函数计算总损失函数；根据总损失函数对目标模型进行训练。由此，可以通过融合全局、局部与时序语义相似度构建综合对比学习损失函数，并结合语义结构保持机制，引入语义保持对比损失，实现多层次、结构化的语义对齐，增强了文本驱动视频生成的准确性与可控性。