本公开提供了一种生成视频的方法、装置、电子设备及存储介质，涉及人工智能技术领域，尤其涉及大语言模型、生成模型、图像处理等领域。具体实现方案为：获取主题、目标风格和N个输入图像，N是大于等于1的整数；将N个输入图像转换为符合目标风格的N个图像；根据主题和N个输入图像，确定故事文本；其中，故事文本包括具有顺序的N个子文本，且N个子文本与N个图像相对应；以及基于目标视频模板处理N个图像和N个子文本，得到视频；其中，N个图像在视频中的顺序与N个子文本的顺序一致。