本发明公开了基于多设备体验的智能摘要生成和字幕阅读系统，包括源视频输入模块、视频分割模块、字幕阅读模块、视频提取模块、代表帧抽取模块、代表帧集合模块、代表帧处理模块、摘要信息存储模块和摘要信息输出模块，本发明在生成视频摘要信息时能够快速的通过对各段视频在源视频中所对应的时间来确定与各段视频相匹配的代表帧，且通过确定各段视频代表帧的方式来方便后续建立代表帧集合模型，以此来快速的生成视频摘要信息，且在视频摘要信息生成时，通过对字幕信息和视频代表帧的处理，使得视频摘要信息与源视频内容更加切合，以此来提高视频摘要信息生成的速度和质量，解决现有技术中视频摘要信息生成方法的不足。