视频彩铃的生成方法、装置、设备及存储介质

本公开提供一种视频彩铃的生成方法、装置、设备及存储介质，涉及人工智能技术领域、视频生成技术领域。该方法具体包括：获取多模态源数据；对多模态源数据进行多模态特征融合处理，得到融合特征；基于所述融合特征，应用多模态生成模型，生成目标视频彩铃。本公开通过多模态特征融合处理，解决AI模型割裂问题，提升生成视频的自然度与表现力。