一种模型训练、视频生成方法、设备、存储介质及计算机程序产品

本申请实施例提供了一种模型训练方法，所述方法包括：对每一具有字幕样本二维视频进行划分处理得到每一样本二维视频的多个第一样本图像；不同的样本二维视频中字幕的字体风格不同；每一样本二维视频中字幕的字体风格相同；确定第一样本图像中字幕区域的第一样本边缘信息，以及每一第一样本图像的第一样本深度图；基于第一样本图像、第一样本边缘信息和第一样本深度图对具有字体风格提取模块的初始深度估计模型进行模型训练得到目标深度估计模型，解决了相关技术中在生成3D视频的过程中存在的无法准确地确定出图像中字体风格多样化的字幕区域的深度信息的问题。本申请实施例还提供了一种视频生成方法、装置、设备、存储介质及计算机程序产品。