本申请实施例公开了一种视频字幕提取方法、设备以及计算机可读存储介质，其中方法包括：获取目标视频，基于该目标视频中的多个图像帧确定目标视频的目标字幕区域。通过目标字幕区域确定目标视频中各个图像帧的字幕区域，并基于各个图像帧的字幕区域获得目标视频的初始字幕文本，这里，初始字幕文本包含具有排列顺序的多个初始字幕子句。基于各个相邻初始字幕子句之间的相似程度，从多个初始字幕子句中得到多个具有排列顺序的目标字幕子句，其中相邻目标字幕子句之间的字符互不相同，最后基于多个具有排列顺序的目标字幕子句得到目标视频的目标字幕文本。采用本申请，可以解决字幕重复提取的问题，操作简单，字幕提取效果好，适用性强。