本申请提供了一种视频数据处理方法、装置、设备及存储介质，该方法包括：获取待处理视频中的视频流与音频流，使用时空域双流检测模型获取视频流中的每个视频帧的显著性区域，时空域双流检测模型包括时间流网络模型和空间流网络模型，根据每个视频帧的显著性区域对每个视频帧进行裁剪，得到裁剪后视频流，裁剪后视频流中的每个视频帧均包括显著性区域，对音频流进行音频片段筛选，得到音频输出片段，对裁剪后视频流和音频输出片段进行重新编码，得到短视频。从而，提高了短视频的生成效率和短视频生成效果的可控度。