本公开关于一种视频识别模型的训练方法、视频识别方法及相关设备，该方法包括：获取视频样本集合，视频样本集合中的视频样本包括展示数据、音频数据、展示数据与音频数据的相关性标注数据；提取展示数据中的展示文本数据；对音频数据进行语音识别，获取播放文本数据；将展示文本数据和播放文本数据输入视频识别模型的第一网络结构，获取文本关系向量；将文本关系向量输入视频识别模型的第二网络结构，获取相关性预测数据；根据由相关性预测数据和相关性标注数据确定的目标损失，对第二网络结构对应的网络参数进行训练，获取符合预设条件的视频识别模型，获取到的已训练视频识别模型可以对视频进行快速准确的识别。