本公开提供了一种视频检索方法、装置、设备及存储介质，涉及人工智能技术领域，具体涉及深度学习、知识图谱和计算机视觉技术领域，可用于视频检索场景。具体实现方案为：确定视频检索请求中检索文本的第一文本特征表示；根据候选视频的字幕信息，确定候选视频的第二文本特征表示；根据所述候选视频的图像信息，确定所述候选视频的视觉特征表示；根据所述第一文本特征表示、所述候选视频的视觉特征表示和第二文本特征表示，从所述候选视频中选择目标视频。通过上述技术方案，能够高效且精准地从海量视频中获取到用户所需视频。