本申请实施例公开了一种动画视频生成方法及相关装置，所述方法包括：获取目标文档的字段，并基于所述字段生成语音音频；基于所述语音音频的时长选择与之匹配的预先储存的视频模块；将所述语音音频合并到所述视频模板中，其中，所述语音音频的起始时间点与所述视频模板的起始时间点对齐，所述语音音频的结束时间点与所述视频模板的结束时间点对齐；解码合并后的视频模板得到多个视频帧，所述视频帧具有可插入图像的图像框；基于所述字段从数据库中挑选图像，将所述图像插入到至少部分视频帧中，以形成动画视频。所述动画视频可展示与所述字段相关的图像，方便观众理解目标文档的内容。