本发明实施例公开了一种视频处理方法、装置、设备及存储介质，其中视频处理方法包括：获取待处理视频以及与待处理视频关联的音频文件；获取N个对象的标识信息，基于N个对象的标识信息对待处理视频进行人脸识别处理，从待处理视频中识别出N个对象相匹配的M个视频片段，一个对象相匹配的视频片段为至少一个；对音频文件进行强拍检测处理，得到音频文件包括的多个卡点音频片段；基于每个视频片段的时长和每个卡点音频片段的时长，从M个视频片段中确定每个卡点音频片段相匹配的视频片段，并根据每个卡点音频片段相匹配的视频片段生成待处理视频对应的剪辑视频。采用本发明实施例可提高视频剪辑的效率和增加剪辑得到的视频的观看效果。