解说视频的生成方法、装置、介质、电子设备及程序产品

一种解说视频的生成方法、装置、介质、电子设备及程序产品。方法包括：针对第一视频对应的台词文本中的每句台词，获取该句台词对应的第一时段，并从该句台词对应的第一视频片段中抽取第一视频帧，第一视频片段来自第一视频；根据台词文本中每句台词各自对应的第一时段、第一视频帧及第一视频片段，通过多模态大模型生成第一视频的解说视频。以台词文本中的每句台词为单位，从各句台词对应的第一视频片段中分别抽取部分视频帧，实现更加紧凑、合理的动态视频帧采样，使得采样能更稀疏的同时减少了关键信息丢失，从而使得多模态大模型能处理更长的视频，上下文更加丰富，进而使得角色的理解更准确，提升解说视频的准确性。