本申请实施例涉及人工智能领域，公开了基于H5的文案解说视频生成方法、装置、设备以及存储介质，方法包括：确定视频主题；根据视频主题获取制作目标文案解说视频所需的相关素材，并根据相关素材生成第一视频片段；从相关素材的视频素材中筛关键素材片段，并提取关键素材片段对应的文案解说音频及文案解说影像；根据文案解说音频获取关键素材片段中目标对象的第一语音数据，并根据文案解说影像获取目标对象对应的第二语音数据；根据第一语音数据和第二语音数据获取目标文本信息；根据关键素材片段对应的文案解说影像、目标语音数据及目标文本信息生成第二视频片段；根据第一视频片段及第二视频片段生成目标文案解说视频并插入预设网页。