一种视频生成方法、装置、电子设备及存储介质

本申请涉及一种视频生成方法、装置、电子设备及存储介质，其中的方法包括：获取多模态视频生成控制条件；其中，多模态视频生成控制条件包括几何控制条件和文本条件；利用视频生成模型中的空间压缩编码器对随机噪声进行压缩处理，生成潜在空间特征；利用视频生成模型中的多模态条件编码器对几何控制条件和文本条件分别进行编码处理，得到多模态控制参数；将潜在空间特征和多模态控制参数输入至视频生成模型中的视频生成模块中进行处理，得到目标视频。本申请实施例可以提升视频生成过程的控制精度，提高生成的视频的质量和场景多样性。