本申请公开了一种视频编辑方法、设备和计算机可读存储介质，包括：拍摄并存储多段原始视频，将原始视频添加至辅助编辑轨道并编辑得到第一视频；将第一视频添加至子轨道形成第二视频，获取第一视频的时间戳；获取多个音频，根据第二视频创建音轨，并根据时间戳确定音频在音轨上的插入时间点；发送用于编辑音频的语音交互内容的请求，语音交互内容的请求包括语音信息；客户端响应请求并对语音信息进行识别，生成相应的指令信息，通过指令信息将音频添加至对应的插入时间点上，形成终版完整视频，并将终版完整视频导出。通过在合成视频时设置对应第一视频的时间戳，并结合语音控制音频添加至对应的时间戳位置处，便于卡点以及提高合成视频的效率。