文本生成方法、装置、设备及介质

本发明涉及人工智能技术领域，公开了一种文本生成方法、装置、设备及介质，包括：获取目标视频，并通过编码器对所述目标视频的视频帧进行编码，得到离散特征向量；通过预设投影矩阵将所述离散特征向量分别映射至目标子空间，得到三类子特征；其中，所述目标子空间包括运动子空间、物体子空间以及场景子空间；通过动态门控网络对所述三类子特征进行分析，输出得到所述三类子空间对应的融合权重向量；通过解码模型对所述融合权重向量进行分析，输出得到所述目标视频对应的描述文本。本申请可应用于金融科技、医疗健康养老等业务程序系统中，能够实现时空解耦、语义细化的文本生成。