本公开实施例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：获取待处理视频和描述文本，待处理视频包括多个视频帧，每个视频帧均包括目标对象；所述多个视频帧按时间顺序依次排列；将多个视频帧平均划分为一个或多个视频帧组，将多个视频帧中的第一个视频帧添加至各个视频帧组中，作为各个视频帧组的第一个视频帧；针对每一视频帧组，将视频帧组和描述文本输入至视频风格转换模型中，基于视频帧组中的第一个视频帧中的目标对象的对象特征对各个视频帧进行风格转换处理，生成目标视频帧；根据各个视频帧组对应的除第一个目标视频帧以外的其他目标视频帧生成目标视频。该方法可以提升生成视频的时序稳定性。