一种视频生成方法、装置、存储介质及电子设备

本发明提供了一种视频生成方法、装置、存储介质及电子设备，应用于人工智能技术领域。本发明首先通过对待重建视频的嘴部区域生成掩膜，精准聚焦嘴型细节，将生成带嘴部掩膜的带掩膜视频映射到潜空间，提取关键条件信息和掩膜特征，捕捉唇动动态，再将潜空间信息、掩膜特征及与时空分辨率匹配的高斯噪声堆叠，丰富输入特征，增强时序连续性，接着结合多模态融合特征，输入视频扩散模型实现高效多源信息融合，生成与音频高度同步且自然的潜空间特征，最终重构出高质量、唇动精准的视频，实现自然且细腻的视频嘴型编辑效果。