本公开是关于一种视频摘要生成方法、装置、电子设备及存储介质，属于互联网技术领域。方法包括：获取目标视频中的多帧图像，将该多帧图像输入至图像聚类模型中，基于图像聚类模型，将该多帧图像划分为多个类别，从每个类别中选取目标图像，将选取的多个目标图像进行拼接，得到目标视频的视频摘要。该方法基于图像聚类模型，可以快速对多帧图像进行聚类，无需对每帧图像中对象的运动轨迹进行分析，缩短了处理时间，提高了生成视频摘要的效率。并且，从每个类别中选取目标图像，该目标图像能够代表该类别中的多帧图像的内容，根据多个目标图像生成的视频摘要，能够准确概括目标视频的内容，提高了生成的视频摘要的准确率。