本发明提供一种视频内容描述模型的训练方法、应用方法、设备及介质，所述训练方法包括获取目标视频和目标视频的内容描述，从内容描述中提取出动词和模板，将动词和模板进行编码处理与特征采样得到第一隐变量特征，对目标视频进行特征提取得到目标视觉特征，根据第一隐变量特征和目标视觉特征对先验隐变量编码器和语言解码器进行数据逼近处理，得到视频内容描述模型，本发明根据视频描述模型可以生成开放式的描述，即从很多角度，运用不同的表达生成各异的描述。