本申请公开了一种视频字幕定位方法、电子设备以及计算机存储介质，该视频字幕定位方法包括：获取视频的所有图像帧，并对所有图像帧进行文字检测，以得到所有图像帧的第一文本框集合，其中，第一文本框集合中包括每一图像帧的文本框；遍历第一文本框集合，获取每两帧图像帧中的文本框在第一方向上的第一相似度；基于多个第一相似度，构造关于第一文本框集合的第一图网络；对第一图网络进行聚类，以获取多个第一子网络，并从节点数量满足第一预设条件的第一子网络中提取视频字幕的文本框。通过上述视频字幕定位方法，本申请能够提高视频字幕定位的准确性，有效排除了视频中的其它干扰信息。