本申请涉及一种视频处理方法、装置、计算机设备和存储介质，该方法涉及人工智能的机器学习技术，该方法包括：从目标视频中提取音频信号；对音频信号进行信源分离处理，获得源自于背景声音的背景音轨和源自于说话声音的人声音轨；分别定位背景音轨与人声音轨中的活跃声音片段；基于背景音轨中的活跃声音片段，确定音频信号对应的背景声音响度特征，以及基于人声音轨中的活跃声音片段，确定音频信号对应的说话声音响度特征；根据背景声音响度特征和说话声音响度特征，获得目标视频是否需要添加目标音频的判定结果。采用本方法能够实现自动化、高效地判定是否需要为视频添加配乐，从而提升视频的生成效率。