本申请涉及视频素材打标方法、装置、设备和介质，方法包括：获取待处理的视频素材；基于关键帧提取算法对视频素材进行关键帧提取处理，得到视频素材的关键帧；关键帧提取算法包括基于感知哈希算法或关键帧提取神经网络算法；通过图片标注算法对提取的关键帧进行文本标注，生成关键帧对应的描述文本；对描述文本进行分词处理，提取关键帧对应的主题词；对所有的主题词进行去重处理，得到视频素材的视频视觉内容标签。相比于传统技术，上述方案生成的标签不是闭合集合中的元素，而是基于视频的视觉内容的开放语义标签，也即通过生成视觉内容的语义文本描述，最终输出开放的标签体系，实现泛化性能的显著提升效果。