摘要
本申请实施例提供了一种视频剪辑方法，包括：获取初始视频，并对所述初始视频进行预处理，得到多个视频片段；将所述多个视频片段输入到预先训练好的多种模态的模型，以通过所述多种模态的模型获取多个内容文本，所述多个内容文本与所述多个视频片段一一对应；基于所述多个内容文本和预先训练好的语言模型，获取剪辑序列，所述剪辑序列包括多个目标内容文本；根据所述剪辑序列，获取多个目标视频片段并进行剪辑，得到目标视频；所述多个目标视频片段与所述多个目标内容文本一一对应。本申请实施例的技术方案应用多模态技术全面理解视频，将视频信息具象化为内容文本。通过语言模型深度理解内容文本并决策剪辑思路，得到对视频高度理解的剪辑结果。
