摘要
本发明提供一种视频生成方法、装置、电子设备及存储介质，该方法包括获取参考帧视频和待转换音频；动态提取参考帧视频中的多个图像参考帧，并输入视频生成模型，推理生成待转换音频的多个唇形生成图像；将各唇形生成图像分别与对应的图像参考帧融合，得到多个初始生成帧；高清化处理各初始生成帧，得到多个图像生成帧；检测各图像生成帧的唇形对齐偏差，确定目标参考帧，并根据目标参考帧调整视频生成模型的唇形生成参数，以使重塑的唇形对齐对应的音频数据帧，生成目标视频；本申请通过高清化处理初始生成帧可提升视觉显示效果，以适配高清显示需求，并通过目标参考帧反向调整唇形生成参数后重塑唇形，减少了唇形不协调对视频质量的影响。
