本申请公开了一种基于视频彩铃识别客户的方法、系统、装置及存储介质。该方法通过获取视频彩铃信息并将其输入UNet神经网络模块，得到视频语音信息，并对其进行语音识别处理，得到视频语音文本信息；获取关键帧图像信息并对其进行处理，得到关键帧文字信息和关键帧标题信息；将视频语音文本信息、关键帧文字信息和关键帧标题信息输入标签动态调整模块，得到识别的客户信息。该系统包括第一获取模块、第一处理模块、第二处理模块、第二获取模块、第三处理模块、第四处理模块和第五处理模块。上述方法能够通过视频彩铃识别客户，有利于降低人力成本，有利于提升识别效率，同时，有利于缓解客户敏感信息泄露的风险。本申请可应用于人工智能技术领域。