本发明涉及一种基于文本描述信息和生成对抗网络的视频生成模型，以带有文本描述信息的视频作为训练数据，应用自助抽样法抽取出训练数据中部分的视频和其相应的文本描述信息一同输入到动作识别模型中进行训练，剩下的训练数据去除文本描述信息后再输入动作识别模型中进行训练，从而训练出训练数据中文本描述信息的有效词向量，将<词向量，视频>输入到所提出的生成对抗网络模型中，以词向量作为限制条件，使得模型中生成器能够生成视频。