用于根据文本提示生成合成视频数据的方法和设备

本发明涉及一种用于根据文本提示生成合成视频数据的方法，特别是用于提供用于训练和/或测试和/或验证和/或确认机器学习模型的视频数据，该方法包括：‑提供(S1)描述要生成的视频数据的内容的输入文本提示；‑通过大语言模型将所提供的文本提示分解(S2)为至少两个文本子提示；‑为至少两个文本子提示中的每一个生成(S3)文本嵌入；以及‑基于所生成的文本嵌入，通过视频扩散模型生成(S4)合成视频数据。