本公开关于一种视频合成方法、装置、电子设备及存储介质，所述方法包括：获取表情类别标签和人脸图像；对所述人脸图像进行编码处理，得到所述人脸图像对应的特征隐码信息；所述特征隐码信息用于表征所述人脸图像的脸部特征；将所述表情类别标签和所述特征隐码信息输入训练完成的预测模型，得到预测隐码序列；所述预测隐码序列中包括多个表情隐码信息；对各所述表情隐码信息进行解码处理，得到各所述表情隐码信息对应的表情图像；基于各所述表情图像，得到表情视频；所述表情视频为所述人脸图像中的人脸作出所述表情类别标签所对应表情的合成视频。该方法可以基于人脸图像和表情类别标签合成自然且连续的表情视频。